熊猫中的 value_counts() - Python

熊猫（Pandas）是Python的一个开源数据分析和数据操作库。它提供了各种数据结构和数据分析工具，而其中的 value_counts() 方法则是对数据进行计数和统计的常用方法之一。

什么是 value_counts()？

value_counts() 是一个熊猫 Series 的方法，它用于计算序列中每个唯一值的出现次数。它返回一个新的 Series 对象，其中包含每个唯一值及其出现的次数。默认情况下，返回结果按出现次数从高到低排序。

举个例子：

import pandas as pd

# 创建一个 Series 对象
colors = pd.Series(['red', 'blue', 'green', 'red', 'yellow', 'green', 'green'])

# 使用 value_counts() 方法计算颜色出现的次数
counts = colors.value_counts()

# 打印结果
print(counts)

# 输出：
# green     3
# red       2
# yellow    1
# blue      1
# dtype: int64

在这个例子中，我们创建了一个包含多种颜色的 Series 对象，并使用 value_counts() 方法计算每种颜色出现的次数。最后，我们打印了计算结果。

value_counts() 的参数

value_counts() 方法支持一些可选参数，用于控制返回结果的排序、数量和数据清洗等方面。

sort

sort 参数用于设置是否对结果进行排序，默认为 True（排序）。

# 对结果进行排序
counts = colors.value_counts(sort=True)

# 不对结果进行排序
counts = colors.value_counts(sort=False)

normalize

normalize 参数用于设置是否将计数结果归一化为百分比，默认为 False。

# 不进行归一化
counts = colors.value_counts(normalize=False)

# 进行归一化
counts = colors.value_counts(normalize=True)

ascending

ascending 参数用于设置结果是否按升序排序，默认为 False（降序）。

# 按升序排序
counts = colors.value_counts(ascending=True)

# 按降序排序
counts = colors.value_counts(ascending=False)

dropna

dropna 参数用于设置是否删除序列中的缺失值（NaN），默认为 True（删除）。

# 删除缺失值
counts = colors.value_counts(dropna=True)

# 不删除缺失值
counts = colors.value_counts(dropna=False)

小结

value_counts() 是一个有用的熊猫方法，它可以快速计算 Series 中每个唯一值的出现次数。在实际应用中，我们通常会使用一些参数或链式方法对其进行更复杂的操作，以满足各种数据处理和分析的需求。