【精华总结】全文4000字、20个案例详解Pandas当中的数据统计分析与排序

大家好，我是俊欣，本篇文章应该算得上是2022年的第一篇原创了，抱歉，元旦期间小编有点偷懒。

今天小编来给大家讲一下Pandas模块当中的数据统计与排序，说到具体的就是value_counts()方法以及sort_values()方法。

value_counts()方法，顾名思义，主要是用于计算各个类别出现的次数的，而sort_values()方法则是对数值来进行排序，当然除了这些，还有很多大家不知道的衍生的功能等待被挖掘，下面小编就带大家一个一个的说过去。

导入模块并且读取数据库

我们这次用到的数据集是“非常有名”的泰坦尼克号的数据集，该数据源能够在很多平台上都能够找得到

import pandas as pd
df = pd.read_csv("titanic_train.csv")
df.head()

output

常规的用法

首先我们来看一下常规的用法，代码如下

df['Embarked'].value_counts()

output

S    644
C    168
Q     77
Name: Embarked, dtype: int64

下面我们简单来介绍一下value_counts()方法当中的参数，

DataFrame.value_counts(subset=None,
                       normalize=False,
                       sort=True,
                       ascending=False,
                       dropna=True)

常用到参数的具体解释为：

• subset: 表示根据什么字段或者索引来进行统计分析

• normalize: 返回的是比例而不是频次

• ascending: 降序还是升序来排

• dropna: 是否需要包含有空值的行

对数值进行排序

上面返回的结果是按照从大到小来进行排序的，当然我们也可以反过来，从小到大来进行排序，代码如下

df['Embarked'].value_counts(ascending=True)

output

Q     77
C    168
S    644
Name: Embarked, dtype: int64

对索引的字母进行排序

同时我们也可以对索引，按照字母表的顺序来进行排序，代码如下

df['Embarked'].value_counts(ascending=True).sort_index(ascending=True)

output

C    168
Q     77
S    644
Name: Embarked, dtype: int64

当中的ascending=True指的是升序排序

包含对空值的统计

默认的是value_counts()方法不会对空值进行统计，那要是我们也希望对空值进行统计的话，就可以加上dropna参数，代码如下