一、小标题1：内置函数
Python提供了多个内置函数，可以对数字进行计数，其中比较常用的包括：len()、count()和sum()。
len()用于计算可迭代对象的长度，也可以对字符串、列表、元组等进行计数：
>>> len('Python')
6
>>> len([1, 2, 3, 4, 5])
5
>>> len((1, 2, 3, 4, 5))
5
count()用于计算指定元素在序列中出现的次数：
>>> [1,2,3,3,3,4,5].count(3)
3
sum()则用于对列表、元组等可迭代对象的元素进行求和，当然也可以加上一个可选的起始值：
>>> sum([1,2,3,4,5])
15
>>> sum([1,2,3,4,5], 10)
25
二、小标题2：Numpy库
Numpy是Python中非常流行的科学计算库，其中包括了多个针对数字计数的方法，比较常用的有：numpy.size()、numpy.unique()和numpy.histogram()。
numpy.size()用于计算数组中的元素个数，相当于Python中的len()：
>>> import numpy as np
>>> np.size([1, 2, 3, 4, 5])
5
>>> np.size([[1, 2], [3, 4]])
4
numpy.unique()用于返回数组中的唯一元素和其出现的次数：
>>> a = np.array([1, 2, 3, 2, 1, 3, 3])
>>> unique, counts = np.unique(a, return_counts=True)
>>> print(unique) # 输出唯一元素
[1 2 3]
>>> print(counts) # 输出对应元素出现的次数
[2 2 3]
numpy.histogram()用于返回数组的直方图结果，可以指定调整直方图的一些参数：
>>> np.histogram([1, 2, 1, 3, 4, 5, 6], bins=[0, 2, 4, 6])
(array([2, 2, 3]), array([0, 2, 4, 6]))
三、小标题3：Pandas库
Pandas是Python中另一个非常流行的数据分析库，其中对于数字计数的方法比较常用的有：Series.value_counts()和DataFrame.count()。
Series.value_counts()用于计算Series对象中每个元素出现的次数，返回的结果是一个新的Series对象，按照出现次数从高到低排序。
>>> import pandas as pd
>>> s = pd.Series([1, 1, 2, 2, 2, 3, 4, 4, 4, 4])
>>> s.value_counts()
4 4
2 3
1 2
3 1
dtype: int64
DataFrame.count()用于返回每列/行非空值的数量，可以指定参数来指定统计的维度：
>>> df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, None, None], 'C': [7, 8, 9]})
>>> df.count()
A 3
B 1
C 3
dtype: int64
>>> df.count(axis=1)
0 3
1 2
2 3
dtype: int64
总结
Python提供了多种方式对数字进行计数，包括内置函数、Numpy库和Pandas库中的方法。在实际应用中，可以根据具体的场景选择不同的方法，最终得到需要的统计结果。
原创文章，作者：小蓝，如若转载，请注明出处：https://www.506064.com/n/152243.html
微信扫一扫 
支付宝扫一扫 