[Pandas] 统计计数value_counts( )
2023-09-11 14:22:54 时间
![](https://img-blog.csdnimg.cn/e727aedd2eac452da062220a937a9bf6.png)
value_counts()方法返回一个序列Series,该序列包含每个值的数量(对于数据框中的任何列,value_counts()方法会返回该列每个项的计数)
value_counts()是Series拥有的方法,一般在DataFrame中使用时,需要指定对哪一列进行使用
语法
value_counts(values,
sort=True,
ascending=False,
normalize=False,
bins=None,
dropna=True)
参数说明
sort: 是否要进行排序(默认进行排序,取值为True)
ascending: 默认降序排序(取值为False),升序排序取值为True
normalize: 是否要对计算结果进行标准化,并且显示标准化后的结果,默认是False
bins: 可以自定义分组区间,默认是否
dropna: 是否包括对NaN进行计数,默认不包括
import pandas as pd
import numpy as np
df = pd.DataFrame({'City': ['北京', '广州', '深圳', '上海', '大连', '成都', '深圳', '厦门', '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'这一列的计数结果(对给定列里面的每个值进行计数并进行降序排序,缺失值nan也会被排除)
# value_counts()并不是未带任何参数,而是所有参数都是默认的
res1 = df['City'].value_counts()
# 2.查看'Revenue'这一列的计数结果(采用升序的方式)
res2 = df['Revenue'].value_counts(ascending=True)
# 3.查看'Age'这一列的计数占比(使用标准化normalize=True)
res3 = df['Age'].value_counts(ascending=True,normalize=True)
# 4.查看'Age'这一列的计数结果(展示NaN值的计数)
res4 = df['Age'].value_counts(dropna=False)
# 5.查看'Age'这一列的计数结果(不展示NaN值的计数)
# res5 = df['Age'].value_counts()
res5 = df['Age'].value_counts(dropna=True)
df
res1
res2
res3
res4
res5
相关文章
- pandas 左右边界切割 用merge join和concat合并Pandas中的数据
- CDA考试 ▏2017 CDA L1备考资源习题详解-统计基础部分
- 数据重组:对一堆相似字典进行分类统计(shidebin)
- 【NLP】基于统计学习方法角度谈谈CRF(四)
- Open3D(C++) 统计滤波
- SAP BSP页面里,每次在Text Area里敲字后如何统计输入的总字数
- 【玩转数据系列一】人口普查统计案例
- Atitit. . 软件命名空间与类名命名单词的统计程序设计v2
- 【BZOJ 1588】 [HNOI2002]营业额统计
- 100天精通Python(数据分析篇)——第62天:pandas常用统计方法大全(含案例)
- 统计学习方法-提升方法
- VB编程:利用数组统计文字段落数-31
- elementUI2.8.2版本之前如何添加字符数统计
- Lesson6——Pandas Pandas描述性统计
- 一个简单统计时间间隔的shell脚本Demo
- Vim 删除不包含指定字符串的行及统计匹配个数
- MATLAB教室数据统计项目
- 上手Pandas,带你玩转数据(6)-- 摆脱对pandas可视化丑图的刻板印象吧
- 上手Pandas,带你玩转数据(3)-- pandas数据存入文件