pandas中对数值分组计算频率的方法

（一）value_counts函数

normalize: 如果设置为 True，则返回每个值出现的频率（即每个值出现的次数除以总数），而不是计数。默认值为 False。
sort: 是否对输出进行排序。默认为 True，但你也可以设置为 False 以保持原始顺序。
ascending: 如果 sort 为 True，则决定是按升序还是降序排序。默认为 False，即降序排列。
bins: 当你处理的是数值数据时，你可以使用 bins 参数来指定分组的边界。这允许你将连续的数值数据划分为离散的区间，并计算每个区间的计数。
dropna: 是否忽略 NaN 值。默认为 True。

如下例，要对loanmoney列进行分组汇总，并计算各组别的占比。分组规则为：>500000，(200000,500000],(100000,200000],<100000.

import pandas as pd
import numpy as np
c_id=np.random.choice(['A001','B001','C001','D001'],size=100)
lo=np.round(np.random.random(size=100)*1000000,2)
df=pd.DataFrame({'id':c_id,'loanmoney':lo})
df['loanmoney'].value_counts(normalize=True,bins=[0, 100000, 200000, 500000, float('inf')])

（二）cut函数

import pandas as pd
import numpy as np
c_id=np.random.choice(['A001','B001','C001','D001'],size=100)
lo=np.round(np.random.random(size=100)*1000000,2)
df=pd.DataFrame({'id':c_id,'loanmoney':lo})
# 定义分组条件  
bins = [0, 100000, 200000, 500000, float('inf')]  
labels = ['<100000', '(100000,200000]', '(200000,500000]', '>500000']  
# 使用cut函数对loanmoney进行分组  
df['loan_group'] = pd.cut(df['loanmoney'], bins=bins, labels=labels)  
# 计算各组别的占比  
group_counts = df['loan_group'].value_counts(normalize=True)  
# 打印结果  
print(group_counts)

参数：

x: 需要分箱的数组或 Series。
bins: 区间的边界。可以是一个整数（表示等宽的区间数量），一个序列（表示区间边界），或者是一个 IntervalIndex。
right: 是否包含右边界。默认为 True。
labels: 用于指定每个区间的标签。如果没有提供，则默认使用区间的左边界和右边界的字符串表示。
retbins: 是否返回（bins, categories）。默认为 False。
precision: 用于间隔标签的精度。默认为 3。
include_lowest: 是否包含最低值在第一个区间中。默认为 False。