Pandas統(tǒng)計(jì)計(jì)數(shù)value_counts()的使用
value_counts()方法返回一個(gè)序列Series,該序列包含每個(gè)值的數(shù)量(對(duì)于數(shù)據(jù)框中的任何列,value_counts()方法會(huì)返回該列每個(gè)項(xiàng)的計(jì)數(shù))
value_counts()是Series擁有的方法,一般在DataFrame中使用時(shí),需要指定對(duì)哪一列進(jìn)行使用
語(yǔ)法
value_counts(values, sort=True, ascending=False, normalize=False, bins=None, dropna=True)
參數(shù)說(shuō)明
- sort: 是否要進(jìn)行排序(默認(rèn)進(jìn)行排序,取值為T(mén)rue)
- ascending: 默認(rèn)降序排序(取值為False),升序排序取值為T(mén)rue
- normalize: 是否要對(duì)計(jì)算結(jié)果進(jìn)行標(biāo)準(zhǔn)化,并且顯示標(biāo)準(zhǔn)化后的結(jié)果,默認(rèn)是False
- bins: 可以自定義分組區(qū)間,默認(rèn)是否
- dropna: 是否包括對(duì)NaN進(jìn)行計(jì)數(shù),默認(rèn)不包括
import pandas as pd import numpy as np df = pd.DataFrame({'City': ['北京', '廣州', '深圳', '上海', '大連', '成都', '深圳', '廈門(mén)', '北京', '北京', '上海', '珠海'], 'Revenue': [10000, 10000, 5000, 5000, 40000, 50000, 8000, 5000, 5000, 5000, 10000, 12000], 'Age': [50, 43, 34, 40, 25, 25, 45, 32, 25, 25, 34, np.nan]}) # 1.查看'City'這一列的計(jì)數(shù)結(jié)果(對(duì)給定列里面的每個(gè)值進(jìn)行計(jì)數(shù)并進(jìn)行降序排序,缺失值nan也會(huì)被排除) # value_counts()并不是未帶任何參數(shù),而是所有參數(shù)都是默認(rèn)的 res1 = df['City'].value_counts() # 2.查看'Revenue'這一列的計(jì)數(shù)結(jié)果(采用升序的方式) res2 = df['Revenue'].value_counts(ascending=True) # 3.查看'Age'這一列的計(jì)數(shù)占比(使用標(biāo)準(zhǔn)化normalize=True) res3 = df['Age'].value_counts(ascending=True,normalize=True) # 4.查看'Age'這一列的計(jì)數(shù)結(jié)果(展示NaN值的計(jì)數(shù)) res4 = df['Age'].value_counts(dropna=False) # 5.查看'Age'這一列的計(jì)數(shù)結(jié)果(不展示NaN值的計(jì)數(shù)) # res5 = df['Age'].value_counts() res5 = df['Age'].value_counts(dropna=True)
df
res1
res2
res3
res4
res5
到此這篇關(guān)于Pandas統(tǒng)計(jì)計(jì)數(shù)value_counts()的使用的文章就介紹到這了,更多相關(guān)Pandas統(tǒng)計(jì)計(jì)數(shù)value_counts()內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
pytest多進(jìn)程或多線程執(zhí)行測(cè)試實(shí)例
這篇文章介紹了pytest多進(jìn)程或多線程執(zhí)行測(cè)試的實(shí)例,文中通過(guò)示例代碼介紹的非常詳細(xì)。對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值,需要的朋友可以參考下2022-07-07python實(shí)現(xiàn)數(shù)通設(shè)備端口監(jiān)控示例
這篇文章主要介紹了python實(shí)現(xiàn)數(shù)通設(shè)備端口監(jiān)控示例,需要的朋友可以參考下2014-04-04python之singledispatch單分派問(wèn)題
這篇文章主要介紹了python之singledispatch單分派問(wèn)題,具有很好的參考價(jià)值,希望對(duì)大家有所幫助,如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2023-08-08PyTorch一小時(shí)掌握之a(chǎn)utograd機(jī)制篇
這篇文章主要介紹了PyTorch一小時(shí)掌握之a(chǎn)utograd機(jī)制篇,本文給大家介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值,需要的朋友可以參考下2021-09-09Java Unsafe類(lèi)實(shí)現(xiàn)原理及測(cè)試代碼
這篇文章主要介紹了Java Unsafe類(lèi)實(shí)現(xiàn)原理及測(cè)試代碼,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2020-09-09Python中openpyxl實(shí)現(xiàn)vlookup函數(shù)的實(shí)例
在本篇文章里小編給大家整理的是關(guān)于Python中openpyxl實(shí)現(xiàn)vlookup函數(shù)的實(shí)例內(nèi)容,有興趣的朋友們可以學(xué)習(xí)參考下。2020-10-10conda創(chuàng)建環(huán)境、安裝包、刪除環(huán)境步驟詳細(xì)記錄
對(duì)于生信工作者,有一個(gè)方便可用的環(huán)境可以極大地方便我們開(kāi)展分析,conda可以讓我們?cè)诜莚oot的情況下較為方便地切換不同的工作環(huán)境,下面這篇文章主要給大家介紹了關(guān)于conda創(chuàng)建環(huán)境、安裝包、刪除環(huán)境步驟的相關(guān)資料,需要的朋友可以參考下2022-08-08Python利用3D引擎做一個(gè)太陽(yáng)系行星模擬器
Python有一個(gè)不錯(cuò)的3D引擎——Ursina。本文就來(lái)利用Ursina這一3D引擎做一個(gè)太陽(yáng)系行星模擬器,感興趣的小伙伴可以跟隨小編一起學(xué)習(xí)一下2023-01-01python中WSGI是什么,Python應(yīng)用WSGI詳解
這篇文章主要介紹一下python中的WSGI, 小編在網(wǎng)上找了幾篇非常好的關(guān)于WSGI介紹,整理一下分享給大家。2017-11-11