Python Pandas Series value_counts方法用法及代碼示例

例子

基本用法

要獲取係列中唯一值的計數：

s = pd.Series([4,3,3,5,np.nan])
s.value_counts()



3.0   2
5.0   1
4.0   1
dtype: int64

在這裏，請注意默認情況下如何忽略 dropna=True 以來的缺失值。

指定標準化

將計數歸一化，使其總和為 1：

s = pd.Series([4,3,3,5,np.nan])
s.value_counts(normalize=True)



3.0   0.50
5.0   0.25
4.0   0.25
dtype: float64

指定排序

默認情況下， sort=True ，這意味著結果係列按計數排序：

s = pd.Series([4,3,3,5,np.nan])
s.value_counts()



3.0   2
5.0   1
4.0   1
dtype: int64

設置 sort=False 將禁用此類排序：

s = pd.Series([4,3,3,5,np.nan])
s.value_counts(sort=False)



4.0   1
3.0   2
5.0   1
dtype: int64

指定升序

默認情況下， ascending=True ，這意味著結果係列按計數升序排序：

s = pd.Series([4,3,3,5,np.nan])
s.value_counts()



4.0   1
5.0   1
3.0   2
dtype: int64

要按降序排序，請像這樣設置ascending=False：

s = pd.Series([4,3,3,5,np.nan])
s.value_counts(ascending=False)



3.0   2
5.0   1
4.0   1
dtype: int64

指定箱子

我們可以通過傳遞bins來基於間隔進行計數，而不是計算唯一值，如下所示：

s = pd.Series([4,3,3,5,np.nan])
s.value_counts(bins=3)



(2.9970000000000003, 3.667]    2
(4.333, 5.0]                   1
(3.667, 4.333]                 1
dtype: int64

這裏，2 個值位於區間 2.997 和 3.667 中。

請注意，每個間隔的寬度由以下公式計算：

[max(s) - min(s)] / 3 = 2/3 = 0.666

計算 value_counts 中的 nan

默認情況下， dropna=True ，這意味著所有 NaN 都會被忽略。我們可以選擇通過傳入 dropna=False 將它們包含在計數中，如下所示：

s = pd.Series([4,3,3,5,np.nan])
s.value_counts(dropna=False)



3.0    2
NaN    1
5.0    1
4.0    1
dtype: int64