pandas.DataFrame.value_counts#
- DataFrame.value_counts(subset=None, normalize=False, sort=True, ascending=False, dropna=True)[源代码]#
返回包含DataFrame中唯一行计数的Series。
1.1.0 新版功能.
- 参数
- subset类似列表，可选
计算唯一组合时使用的列。
- normalize布尔值，默认为False
返回比例而不是频率。
- sort布尔值，默认为True
按频率排序。
- ascending布尔值，默认为False
按升序排序。
- dropna布尔值，默认为True
不包括包含NA值的行数。
1.3.0 新版功能.
- 退货
- 系列
参见
Series.value_counts级数的等价法。
注意事项
返回的Series将有一个多索引，每个输入列有一个级别。默认情况下，包含任何NA值的行将从结果中省略。默认情况下，生成的系列将按降序排列，因此第一个元素是出现频率最高的行。
示例
>>> df = pd.DataFrame({'num_legs': [2, 4, 4, 6], ... 'num_wings': [2, 0, 0, 0]}, ... index=['falcon', 'dog', 'cat', 'ant']) >>> df num_legs num_wings falcon 2 2 dog 4 0 cat 4 0 ant 6 0
>>> df.value_counts() num_legs num_wings 4 0 2 2 2 1 6 0 1 dtype: int64
>>> df.value_counts(sort=False) num_legs num_wings 2 2 1 4 0 2 6 0 1 dtype: int64
>>> df.value_counts(ascending=True) num_legs num_wings 2 2 1 6 0 1 4 0 2 dtype: int64
>>> df.value_counts(normalize=True) num_legs num_wings 4 0 0.50 2 2 0.25 6 0 0.25 dtype: float64
使用 dropna 设置为 False 我们还可以计算NA值的行数。
>>> df = pd.DataFrame({'first_name': ['John', 'Anne', 'John', 'Beth'], ... 'middle_name': ['Smith', pd.NA, pd.NA, 'Louise']}) >>> df first_name middle_name 0 John Smith 1 Anne <NA> 2 John <NA> 3 Beth Louise
>>> df.value_counts() first_name middle_name Beth Louise 1 John Smith 1 dtype: int64
>>> df.value_counts(dropna=False) first_name middle_name Anne NaN 1 Beth Louise 1 John Smith 1 NaN 1 dtype: int64