Pandas Series.value_counts()实例介绍

value_counts()函数返回一个Series, 其中包含唯一值的计数。它返回一个降序排列的对象, 这样它的第一个元素将成为最常出现的元素。

默认情况下, 它不包含NA值。

句法

Series.value_counts(normalize=False, sort=True, ascending=False, bins=None, dropna=True)

参数

• normalize：如果为true, 则返回的对象将包含唯一值的相对频率。
• sort：按值排序。
• 升序：按升序排序。
• bins：不对值进行计数, 而是将它们分组到半开式容器中, 这些容器为pd.cut(仅适用于数字数据)提供了便利。
• dropna：不包括NaN计数。

退货

它返回计数的序列。

例1

import pandas as pd
import numpy as np
index = pd.Index([2, 1, 1, np.nan, 3])
index.value_counts()

输出

1.0    2
3.0    1
2.0    1
dtype: int64

例2

import pandas as pd
import numpy as np
index = pd.Index([2, 1, 1, np.nan, 3])
a = pd.Series([2, 1, 1, np.nan, 3])
a.value_counts(normalize=True)

输出

1.0    0.50
3.0    0.25
2.0    0.25
dtype: float64

范例3

import pandas as pd
index = pd.Index([1, 3, 2, 2, 1, np.nan])
index.value_counts()
a = pd.Series([1, 3, 2, 2, 1, np.nan])
a.value_counts(bins=2)

输出

(0.997, 2.0]    4
(2.0, 3.0]        1
dtype: int64

例子4

import pandas as pd
index = pd.Index([1, 3, 2, 2, 1, np.nan])
index.value_counts()
a = pd.Series([1, 3, 2, 2, 1, np.nan])
a.value_counts(dropna=False)

输出

2.0     2
1.0     2
NaN   1
3.0     1
dtype: int64