在数据分析和处理中，pandas是一个非常常用且有效的工具。而其中的value_counts函数则是特别常用的一个函数。本文将从不同的方面详细介绍pandas的value_counts函数，以帮助大家更好地理解和运用它。
一、基础用法
import pandas as pd
data = pd.DataFrame({'A': [1, 1, 2, 3, 4],
'B': ['a', 'b', 'a', 'c', 'c']})
data['A'].value_counts()
输出：
1 2
4 1
3 1
2 1
Name: A, dtype: int64
value_counts函数可以统计一列数据中不同值的个数。如以上代码所示，data[‘A’].value_counts()可以得到A列中每种不同数值出现的次数和对应的索引。
二、排序
data['B'].value_counts(sort=True)
输出：
a 2
c 2
b 1
Name: B, dtype: int64
value_counts默认是按照数值的出现次数倒序排序的。如果想按照升序排序，可以设置sort=False。具体代码如下：
data['B'].value_counts(sort=False)
输出：
b 1
a 2
c 2
Name: B, dtype: int64
三、缺失值处理
data['C'] = [1, None, 3, 4, 5]
data['C'].value_counts()
输出：
5.0 1
4.0 1
3.0 1
1.0 1
Name: C, dtype: int64
value_counts函数可以处理缺失值NaN。如以上代码所示，在数据中添加了缺失值后，执行data[‘C’].value_counts()，得到了不同数值出现的次数。其中，缺失值NaN没有被计算在内。
四、normalize参数
data['B'].value_counts(normalize=True)
输出：
a 0.4
c 0.4
b 0.2
Name: B, dtype: float64
normalize参数可以计算每种数值出现的频率。设置normalize=True后，除以了总行数，将出现次数转化为了频率。
五、bins参数
import numpy as np
data['D'] = np.random.randint(0, 100, size=30)
输出：
A B C D
0 1 a 1.0 97
1 1 b NaN 62
2 2 a 3.0 17
3 3 c 4.0 37
4 4 c 5.0 38
data['D'].value_counts(bins=5, sort=False)
输出：
(-0.099, 19.8] 6
(19.8, 39.6] 7
(39.6, 59.4] 2
(59.4, 79.2] 5
(79.2, 99.0] 10
Name: D, dtype: int64
值得注意的是，bins参数是把所有的数值按照指定区间划分，然后统计每个区间中数值出现的次数。由于只有一个区间包含了批量数据，因此一些区间是空的，其返回Series也没有显示这些空的区间。
六、多列数据的用法
data.groupby(['A', 'B']).size()
输出：
A B
1 a 1
b 1
2 a 1
3 c 1
4 c 1
dtype: int64
对于多列数据，可以使用groupby函数进行分组统计，例如以上代码是按照A列和B列对数据进行了分组，然后使用size函数统计了每种组合出现的次数。
七、apply和lambda函数
data['E'] = data['D'].apply(lambda x: x % 10)
data['E'].value_counts()
输出：
7 6
6 4
2 4
1 3
0 3
8 2
9 2
5 2
4 1
3 1
Name: E, dtype: int64
apply函数使用lambda函数将每个元素取模，得到每个元素的个位数。然后使用value_counts函数获取每个数字出现的次数。
八、结语
综上所述，本文从基础用法、排序、缺失值处理、normalize参数、bins参数、多列数据的用法、apply和lambda函数七个方面详细介绍了pandas value_counts函数的使用方法。对于数据分析和处理工作中，使用这个函数能够更高效地取出数据中的信息。
原创文章，作者：JVPP，如若转载，请注明出处：https://www.506064.com/n/149583.html
微信扫一扫 
支付宝扫一扫 