pandas.Series.value_counts

pandas.Series.value_counts

 

Series.value_counts(normalize=False, sort=True, ascending=False, bins=None, dropna=True)

功能：返回包含惟一值计数的对象。结果对象将按降序排列，以便第一个元素是最常出现的元素。 不包括默认的NA值。

参数：normalize : boolean, default False             若是为True，则返回的对象将包含惟一值的相对频率。

　　　sort : boolean, default True                        按值排序

　　　ascending : boolean, default False            按升序排序

　　　bins : integer, optional                                 而不是数值计算，把它们分红半开放的箱子，一个方便的pd.cut，只适用于数字数据

　　　dropna : boolean, default True                   不包括NaN的数量。

返回：计数：Serise

 

• Series 状况下

1 import numpy as np 2 import pandas as pd 3 from pandas import DataFrame 4 from pandas import Series 5 ss = Series(['Tokyo', 'Nagoya', 'Nagoya', 'Osaka', 'Tokyo', 'Tokyo']) 6 ss.value_counts()   #value_counts 直接用来计算series里面相同数据出现的频率

Tokyo     3 Nagoya 2 Osaka 1 dtype: int64

• DataFrame 状况下

1 import numpy as np 2 import pandas as pd 3 from pandas import DataFrame 4 from pandas import Series 5 df=DataFrame({'a':['Tokyo','Osaka','Nagoya','Osaka','Tokyo','Tokyo'],'b':['Osaka','Osaka','Osaka','Tokyo','Tokyo','Tokyo']})       #DataFrame用来输入两列数据，同时value_counts将每列中相同的数据频率计算出来
6 print(df)

df：

 a b 0 Tokyo Osaka 1 Osaka Osaka 2 Nagoya Osaka 3 Osaka Tokyo 4 Tokyo Tokyo 5   Tokyo  Tokyo

1 df.apply(pd.value_counts) 2  a b 3 Nagoya    1    NaN           #在b列中meiynagoya，所以是用NaN 表示。
4 Osaka    2    3.0
5 Tokyo    3    3.0