我们都知道 df.value_counts()是统计个数的小能手。那么怎么更熟练地运用起来呢?
以下是自己总结地几种场景:
>>>>>df
0 美国
1 中国大陆 香港
2 法国
3 美国
4 意大利
5 美国
6 日本
7 美国
8 美国 英国
9 美国
10 美国 英国
11 印度
12 意大利
13 法国 瑞士 德国
14 香港 中国大陆
15 美国
16 美国
17 美国 英国 加拿大 冰岛
18 日本
19 韩国
20 香港
21 美国
22 法国
23 美国
24 美国
统计每行出现的次数
>>>counts=df.value_counts()
>>>print(counts)
美国 10
日本 2
美国 英国 2
意大利 2
法国 2
美国 英国 加拿大 冰岛 1
香港 1
香港 中国大陆 1
韩国 1
法国 瑞士 德国 1
印度 1
中国大陆 香港 1
统计个数大于1的分别有哪些
>>>print(counts[counts>1])
美国 10
日本 2
美国 英国 2
意大利 2
法国 2
统计美国出现的次数
>>>print(list(country).count('美国'))
10
注意以上只会统计单一出现 “美国” 的情况,如果也想加上"美国 英国”的情况
需要用到以下的函数: str.contains("xx").sum()
country_df = df.rename_axis('country').reset_index(name = 'counts')
America_contain = country_df.country.str.contains("美国").sum()
print(America_contain)