python之value_counts()的具體使用
value_counts() 是一個(gè)用于統(tǒng)計(jì)某列中各個(gè)值的出現(xiàn)次數(shù)的函數(shù)。當(dāng)配合參數(shù) bins 使用時(shí)，它可以將數(shù)據(jù)分成指定的區(qū)間，然后統(tǒng)計(jì)每個(gè)區(qū)間內(nèi)值的出現(xiàn)次數(shù)。
舉個(gè)例子，假設(shè)我們有一個(gè)包含身高數(shù)據(jù)的DataFrame：
| 姓名 | 身高(cm) | |--------|---------| | 小明 | 175 | | 小紅 | 160 | | 小剛 | 180 | | 小美 | 162 | | 小強(qiáng) | 175 | | ... | ... |
我們可以使用 value_counts() 統(tǒng)計(jì)各個(gè)身高出現(xiàn)的次數(shù)：
height_counts = df['身高(cm)'].value_counts()
結(jié)果可能如下：
180 3
175 2
162 1
160 1
Name: 身高(cm), dtype: int64
這表示在數(shù)據(jù)中，身高為180cm的出現(xiàn)了3次，175cm出現(xiàn)了2次，162cm出現(xiàn)了1次，160cm出現(xiàn)了1次。
如果我們想將身高分成幾個(gè)區(qū)間并統(tǒng)計(jì)每個(gè)區(qū)間內(nèi)的人數(shù)，可以使用 bins 參數(shù)：
height_counts_bins = df['身高(cm)'].value_counts(bins=[150, 160, 170, 180, 190])
這將把身高分成以下區(qū)間：(150, 160], (160, 170], (170, 180], (180, 190]，然后統(tǒng)計(jì)每個(gè)區(qū)間內(nèi)的人數(shù)。
輸出
假設(shè)在給定的數(shù)據(jù)中：
- 有3個(gè)人的身高在區(qū)間 (150, 160] 內(nèi)，
- 有2個(gè)人的身高在區(qū)間 (160, 170] 內(nèi)，
- 有1個(gè)人的身高在區(qū)間 (170, 180] 內(nèi)，
- 沒(méi)有人的身高在區(qū)間 (180, 190] 內(nèi)，
那么 height_counts_bins 的輸出可能會(huì)是類(lèi)似于以下的結(jié)果：
(150.0, 160.0] 3
(160.0, 170.0] 2
(170.0, 180.0] 1
(180.0, 190.0] 0
Name: 身高(cm), dtype: int64
希望這個(gè)例子能幫到您理解 value_counts() 和 bins 的用法。
到此這篇關(guān)于python之value_counts()的具體使用的文章就介紹到這了,更多相關(guān)python 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
Python 在OpenCV里實(shí)現(xiàn)仿射變換—坐標(biāo)變換效果
這篇文章主要介紹了Python 在OpenCV里實(shí)現(xiàn)仿射變換—坐標(biāo)變換效果，本文通過(guò)一個(gè)例子給大家介紹的非常詳細(xì)，具有一定的參考借鑒價(jià)值,需要的朋友可以參考下2019-08-08
這篇文章主要介紹了python yield關(guān)鍵詞案例測(cè)試,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2019-10-10
Python3+selenium實(shí)現(xiàn)cookie免密登錄的示例代碼
這篇文章主要介紹了Python3+selenium實(shí)現(xiàn)cookie免密登錄的示例代碼，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，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2020-03-03
這篇文章主要介紹了python urllib爬蟲(chóng)模塊使用解析,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2019-09-09
這篇文章主要介紹了python中try Except拋出異常的使用方式,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2023-09-09
這篇文章主要介紹了Python引用（import）文件夾下的py文件的方法,Python中比較特別,導(dǎo)入文件夾下的py文件,則這個(gè)目錄下必須要有一個(gè)__init__.py文件才可,需要的朋友可以參考下2014-08-08
python統(tǒng)計(jì)文章中單詞出現(xiàn)次數(shù)實(shí)例
在本篇文章里小編給大家整理的是關(guān)于python統(tǒng)計(jì)文章中單詞出現(xiàn)次數(shù)實(shí)例，需要的朋友們參考學(xué)習(xí)下。2020-02-02
Python利用PyQt6開(kāi)發(fā)一個(gè)全能的任務(wù)管理器
在數(shù)字化辦公時(shí)代,我們每天都要重復(fù)執(zhí)行大量機(jī)械性操作,這些操作不僅浪費(fèi)時(shí)間,還容易因人為疏忽出錯(cuò),所以本文就來(lái)使用PyQt6開(kāi)發(fā)一個(gè)升級(jí)的自動(dòng)化任務(wù)管理器吧2025-04-04
Python實(shí)現(xiàn)層次分析法及自調(diào)節(jié)層次分析法的示例
這篇文章主要介紹了Python實(shí)現(xiàn)層次分析法及自調(diào)節(jié)層次分析法的示例，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)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2021-04-04
YAML是一種直觀的能夠被電腦識(shí)別的的數(shù)據(jù)序列化格式，容易被人類(lèi)閱讀，并且容易和腳本語(yǔ)言交互。本文將詳細(xì)介紹一下Python中yaml文件的用法，需要的可以參考一下2022-03-03