pandas value_counts詳解

在數據分析和處理中，pandas是一個非常常用且有效的工具。而其中的value_counts函數則是特別常用的一個函數。本文將從不同的方面詳細介紹pandas的value_counts函數，以幫助大家更好地理解和運用它。

一、基礎用法

import pandas as pd
data = pd.DataFrame({'A': [1, 1, 2, 3, 4],
                     'B': ['a', 'b', 'a', 'c', 'c']})
data['A'].value_counts()

輸出：
1    2
4    1
3    1
2    1
Name: A, dtype: int64

value_counts函數可以統計一列數據中不同值的個數。如以上代碼所示，data[‘A’].value_counts()可以得到A列中每種不同數值出現的次數和對應的索引。

二、排序

data['B'].value_counts(sort=True)

輸出：
a    2
c    2
b    1
Name: B, dtype: int64

value_counts默認是按照數值的出現次數倒序排序的。如果想按照升序排序，可以設置sort=False。具體代碼如下：

data['B'].value_counts(sort=False)

輸出：
b    1
a    2
c    2
Name: B, dtype: int64

三、缺失值處理

data['C'] = [1, None, 3, 4, 5]
data['C'].value_counts()

輸出：
5.0    1
4.0    1
3.0    1
1.0    1
Name: C, dtype: int64

value_counts函數可以處理缺失值NaN。如以上代碼所示，在數據中添加了缺失值後，執行data[‘C’].value_counts()，得到了不同數值出現的次數。其中，缺失值NaN沒有被計算在內。

四、normalize參數

data['B'].value_counts(normalize=True)

輸出：
a    0.4
c    0.4
b    0.2
Name: B, dtype: float64

normalize參數可以計算每種數值出現的頻率。設置normalize=True後，除以了總行數，將出現次數轉化為了頻率。

五、bins參數

import numpy as np
data['D'] = np.random.randint(0, 100, size=30)

輸出：
    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)

輸出：
(-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參數是把所有的數值按照指定區間劃分，然後統計每個區間中數值出現的次數。由於只有一個區間包含了批量數據，因此一些區間是空的，其返回Series也沒有顯示這些空的區間。

六、多列數據的用法

data.groupby(['A', 'B']).size()

輸出：
A  B
1  a    1
   b    1
2  a    1
3  c    1
4  c    1
dtype: int64

對於多列數據，可以使用groupby函數進行分組統計，例如以上代碼是按照A列和B列對數據進行了分組，然後使用size函數統計了每種組合出現的次數。

七、apply和lambda函數

data['E'] = data['D'].apply(lambda x: x % 10)
data['E'].value_counts()

輸出：
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函數使用lambda函數將每個元素取模，得到每個元素的個位數。然後使用value_counts函數獲取每個數字出現的次數。

八、結語

綜上所述，本文從基礎用法、排序、缺失值處理、normalize參數、bins參數、多列數據的用法、apply和lambda函數七個方面詳細介紹了pandas value_counts函數的使用方法。對於數據分析和處理工作中，使用這個函數能夠更高效地取出數據中的信息。