Pandas value_counts()函数
Series.value_counts(normalize=False,
sort=True,
ascending=False,
bins=None, dropna=True)
返回一个包含唯一值计数的系列。
pandas 的 value_counts()函数可以对Series里面的每个值进行计数并且排序。
Series 情况：
In [1]: import pandas as pd^M
...: df = pd.DataFrame({'区域' : ['西安', '太原', '西安', '太原', '郑州', '太原'], ^M
...: '10月份销售' : ['0.477468', '0.195046', '0.015964', '0.259654', '0.856412', '0.259644'],^M
...: '9月份销售' : ['0.347705', '0.151220', '0.895599', '0236547', '0.569841', '0.254784']})
In [2]: df
Out[2]:
区域 10月份销售 9月份销售
0 西安 0.477468 0.347705
1 太原 0.195046 0.151220
2 西安 0.015964 0.895599
3 太原 0.259654 0236547
4 郑州 0.856412 0.569841
5 太原 0.259644 0.254784
# 统计每个区域出现多少次：
In [3]: df['区域'].value_counts()
Out[3]:
太原 3
西安 2
郑州 1
Name: 区域, dtype: int64
# 每个区域都被计数，并且默认从高到低排序。
# 如果想升序排列，设置参数 ascending = True：
In [4]: df['区域'].value_counts(ascending=True)
Out[4]:
郑州 1
西安 2
太原 3
Name: 区域, dtype: int64
# 如果想得出计数占比，可以加参数 normalize=True：
In [5]: df['区域'].value_counts(normalize=True)
Out[5]:
太原 0.500000
西安 0.333333
郑州 0.166667
Name: 区域, dtype: float64
DataFrame 情况
In [6]: df = pd.DataFrame({'区域1' : ['西安', '太原', '西安', '太原', '郑州', '太原'],^M
...: '区域2' : ['太原', '太原', '西安', '西安', '西安', '太原']})
In [7]: df.apply(pd.value_counts)
Out[7]:
区域1 区域2
太原 3 3.0
西安 2 3.0
郑州 1 NaN
# 区域2中没有郑州，所以是NaN。
属性 index
In [1]: import pandas as pd^M
...: df = pd.DataFrame({'区域' : ['西安', '太原', '西安', '太原', '郑州', '太原'], ^M
...: '10月份销售' : ['0.477468', '0.195046', '0.015964', '0.259654', '0.856412', '0.259644'],^M
...: '9月份销售' : ['0.347705', '0.151220', '0.895599', '0236547', '0.569841', '0.254784']})
In [2]: df
Out[2]:
区域 10月份销售 9月份销售
0 西安 0.477468 0.347705
1 太原 0.195046 0.151220
2 西安 0.015964 0.895599
3 太原 0.259654 0236547
4 郑州 0.856412 0.569841
5 太原 0.259644 0.254784
In [3]: df['区域'].value_counts()
Out[3]:
太原 3
西安 2
郑州 1
Name: 区域, dtype: int64
In [4]: df['区域'].value_counts().index
Out[4]: Index(['太原', '西安', '郑州'], dtype='object')
属性 values
In [5]: df['区域'].value_counts().values
Out[5]: array([3, 2, 1], dtype=int64)
参考