python中pandas计数_Python pandas数据计数函数value_counts

这篇博客介绍了pandas库中的value_counts函数,用于统计DataFrame或Series中不同值的数量和频率。它支持多种参数,如排序、标准化、自定义分组等。文章通过实例展示了如何使用此函数对分类变量和连续数值变量进行计数,并调整输出结果的排序和显示为百分比形式。
摘要由CSDN通过智能技术生成

value_counts介绍

value_counts是一种查看表格某列中有多少个不同值的快捷方法,并计算每个不同值有在该列中个数,类似Excel里面的count函数

其是pandas下面的顶层函数,也可以作用在Series、DataFrame下

pd.value_counts(

values,

sort=True, #是否排序,默认是要排序

ascending=False, #默认降序排列

normalize=False, #标准化、转化成百分比形式

bins=None, #可以自定义分组区间,默认是没有,但也可以自定义区间

dropna=True, #是否删除nan,默认删除

)

常规用法:

import pandas as pd

pd.value_counts()

df.value_counts()

df['字段'].value_counts()

创建模拟数据

>>> import pandas as pd

>>> data=pd.DataFrame({'字段1':[1,2,3,4,5,6,5,3,2,4,5,4,4,4,6],

'字段2':['A','B','B','A','A','A','B','B','B','C','C','C','C','B','B']})

<
  • 2
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Pandas 是一个强大的数据分析工具,提供了很多常用的函数来处理数据,下面是一些常用的函数及其用法: 1. read_csv():读取 CSV 文件并返回一个 DataFrame 对象。 2. head():返回 DataFrame 的前几行数据,默认为前 5 行。 3. tail():返回 DataFrame 的后几行数据,默认为后 5 行。 4. info():返回 DataFrame 的基本信息,包括每列的数据类型、非空数量等。 5. describe():返回 DataFrame 的基本统计信息,包括计数、均、标准差、最小、最大等。 6. shape:返回 DataFrame 的行数和列数。 7. columns:返回 DataFrame 的列名。 8. index:返回 DataFrame 的行索引。 9. loc[]:根据行标签和列标签访问 DataFrame 的元素。 10. iloc[]:根据行索引和列索引访问 DataFrame 的元素。 11. dropna():删除 DataFrame 的缺失。 12. fillna():用指定的或方法填充 DataFrame 的缺失。 13. groupby():按照指定的列对 DataFrame 进行分组。 14. apply():对 DataFrame 的每一列应用指定的函数。 15. pivot_table():根据指定的列计算 DataFrame 的透视表。 16. merge():将两个 DataFrame 按照指定的列进行合并。 17. sort_values():按照指定的列对 DataFrame 进行排序。 18. drop_duplicates():去除 DataFrame 的重复行。 19. value_counts():统计 DataFrame 每个元素出现的次数。 20. isnull():判断 DataFrame 的元素是否为空。 这些函数覆盖了 Pandas 的很多常用操作,掌握它们对于数据分析和处理非常有帮助。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值