value_counts()函数返回一个Series, 其中包含唯一值的计数。它返回一个降序排列的对象, 这样它的第一个元素将成为最常出现的元素。
默认情况下, 它不包含NA值。
句法
Series.value_counts(normalize=False, sort=True, ascending=False, bins=None, dropna=True)
参数
normalize:如果为true, 则返回的对象将包含唯一值的相对频率。
sort:按值排序。
升序:按升序排序。
bins:不对值进行计数, 而是将它们分组到半开式容器中, 这些容器为pd.cut(仅适用于数字数据)提供了便利。
dropna:不包括NaN计数。
退货
它返回计数的序列。
例1
import pandas as pd
import numpy as np
index = pd.Index([2, 1, 1, np.nan, 3])
index.value_counts()
输出
1.0 2
3.0 1
2.0 1
dtype: int64
例2
import pandas as pd
import numpy as np
index = pd.Index([2, 1, 1, np.nan, 3])
a = pd.Series([2, 1, 1, np.nan, 3])
a.value_counts(normalize=True)
输出
1.0 0.50
3.0 0.25
2.0 0.25
dtype: float64
范例3
import pandas as pd
index = pd.Index([1, 3, 2, 2, 1, np.nan])
index.value_counts()
a = pd.Series([1, 3, 2, 2, 1, np.nan])
a.value_counts(bins=2)
输出
(0.997, 2.0] 4
(2.0, 3.0] 1
dtype: int64
例子4
import pandas as pd
index = pd.Index([1, 3, 2, 2, 1, np.nan])
index.value_counts()
a = pd.Series([1, 3, 2, 2, 1, np.nan])
a.value_counts(dropna=False)
输出
2.0 2
1.0 2
NaN 1
3.0 1
dtype: int64