如何计算值在 Pandas DataFrame 中出现的频率

  1. df.groupby().count() 方法
  2. Series.value_counts() 方法
  3. df.groupby().size() 方法

有时,当你使用 DataFrame 时,你可能想计算一个值在列中出现的次数,或者换句话说,计算频率。为此主要使用三种方法。让我们一一看一下。

  1. df.groupby().count() 2.Series.value_counts() 3.df.groupby().size()

在以下各节中,我们将使用相同的 DataFrame,如下所示:

import pandas as pd

df = pd.DataFrame({
                    'A': [
                        'jim',
                        'jim',
                        'jim',
                        'jim',
                        'sal',
                        'tom',
                        'tom',
                        'sal',
                        'sal'],
                    'B': [
                        'a',
                        'b', 
                        'a', 
                        'b', 
                        'b', 
                        'b', 
                        'a', 
                        'a', 
                        'b']
                    })  

df.groupby().count() 方法

如果要计算单个列的频率,则此方法最好。

import pandas as pd

df = pd.DataFrame({
                    'A': [
                        'jim',
                        'jim',
                        'jim',
                        'jim',
                        'sal',
                        'tom',
                        'tom',
                        'sal',
                        'sal'],
                    'B': [
                        'a',
                        'b', 
                        'a', 
                        'b', 
                        'b', 
                        'b', 
                        'a', 
                        'a', 
                        'b']
                    })  

freq = df.groupby(['A']).count() 
print(freq)

freq = df.groupby(['B']).count() 
print(freq)

输出:

     B
A     
jim  4
sal  3
tom  2
   A
B   
a  4
b  5

Series.value_counts() 方法

由于每个 DataFrame 对象都是 Series 对象的集合,因此此方法最好用于 pandas.Series 对象。

现在使用 Series.values_counts() 函数

import pandas as pd

df = pd.DataFrame({
                    'A': [
                        'jim',
                        'jim',
                        'jim',
                        'jim',
                        'sal',
                        'tom',
                        'tom',
                        'sal',
                        'sal'],
                    'B': [
                        'a',
                        'b', 
                        'a', 
                        'b', 
                        'b', 
                        'b', 
                        'a', 
                        'a', 
                        'b']
                    })  

freq = df['A'].value_counts() 
print(freq) 

freq = df['B'].value_counts() 
print(freq) 

输出:

jim    4
sal    3
tom    2
Name: A, dtype: int64
b    5
a    4
Name: B, dtype: int64

df.groupby().size() 方法

以上两种方法不能用于计算多列的频率,但是我们可以同时对多列使用 df.groupby().size()

import pandas as pd

df = pd.DataFrame({
                    'A': [
                        'jim',
                        'jim',
                        'jim',
                        'jim',
                        'sal',
                        'tom',
                        'tom',
                        'sal',
                        'sal'],
                    'B': [
                        'a',
                        'b', 
                        'a', 
                        'b', 
                        'b', 
                        'b', 
                        'a', 
                        'a', 
                        'b']
                    })  

freq = df.groupby(['A', 'B']).size() 
print(freq)

输出:

A    B
jim  a    2
     b    2
sal  a    1
     b    2
tom  a    1
     b    1
dtype: int64

comments powered by Disqus