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

python3 value counts函数_Pandas Series.value_counts()实例介绍相关推荐

  1. python3 value counts函数_pandas计数 value_counts()的使用

    在pandas里面常用value_counts确认数据出现的频率. 1. Series 情况下: pandas 的 value_counts() 函数可以对Series里面的每个值进行计数并且排序. ...

  2. python3 value counts函数_pandas计数函数 :value_counts( )和counts( )的使用

    在我们使用pandas进行数据分析时,时常需要对数据进行排序.计量,以获取数据的某些信息,在之前的文章中,我已经为大家介绍过如何用如何使用sort_value函数对数据进行排序,(忘记的同学可以在下面 ...

  3. python3 value counts函数_一键提升数据挖掘姿势水平,5种高效利用value-counts函数的方法...

    数据挖掘是机器学习领域的一个重要组成部分. 在确定训练哪种模型以及训练多少模型之前,我们必须对数据包含的内容有所了解. Pandas 库为此提供了许多有用的函数,value_counts 就是其中之一 ...

  4. python3 value counts函数_如何使用value_counts()返回的值进行进一步的计算?

    我有一个名为y_ocsvm的列,它在名为step1的df中填充了1和-1.在 我使用:step1['y_ocsvm'].value_counts()来获得1和-1的计数,结果是:step1['y_oc ...

  5. python3 value counts函数_如何将value_counts()输出转换为数据帧?

    你可以简化你的搜索,或者让它更具可读性def my_comp(df, team): matches_with_team = df[(df[['team1', 'team2']] == team).an ...

  6. C语言中文件的基本操作函数fprintf和fscanf实例介绍

    C语言文章更新目录 C/C++学习资源(百度云盘链接) 计算机二级资料(过级专用) C语言学习路线(从入门到实战) 编写C语言程序的7个步骤和编程机制 C语言基础-第一个C程序 C语言基础-简单程序分 ...

  7. python frame用法_Pandas Series.to_frame()用法介绍

    系列被定义为可以容纳整数, 字符串, 双精度值等的列表类型.它以列表的形式返回对象, 该列表的索引从0到n开始, 其中n表示系列中值的长度. 系列和数据框架之间的主要区别在于, 系列只能包含具有特定索 ...

  8. python怎么读取csv文件-python3读取csv文件任意行列代码实例

    这篇文章主要介绍了python3读取csv文件任意行列代码实例,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下 读取每一行 reader = csv. ...

  9. python3中zip函数_用python实现矩阵转置,python3 中zip()函数

    前几天群里有同学提出了一个问题:手头现在有个列表,列表里面两个元素,比如[1, 2],之后不断的添加新的列表,往原来相应位置添加.例如添加[3, 4]使原列表扩充为[[1, 3], [2, 4]],再 ...

最新文章

  1. Linux系统如何安装AutoFs挂载服务
  2. 码农的祖宗是个妹子?!信不信由你!
  3. python3 异常嵌套
  4. python语言入门w-1Python开发——基础入门
  5. Windows 软RAID 1操作教程
  6. CompletableFuture并行异步处理类使用示例
  7. OO第三单元JML总结
  8. vb.net form 最大化按钮 代码_【React】利用antd的form自定义表单控件
  9. php 字符型转变为数值,php怎么把字符串转换为数值?
  10. python2.7升级到python3.6注意事项
  11. C#数据结构-稀疏矩阵
  12. 6个重要的.NET概念:栈,堆,值类型,引用类型,装箱,拆箱
  13. Javascript的一种代码结构方式——插件式
  14. 单向链表存储方式下插入、删除、搜索
  15. UNIX文件系统概述
  16. 图解TCPIP(第5版)
  17. 杭州互联网公司和生活成本
  18. springboot 集成 grpc 和 protobuf(二) | 在实际项目中使用 grpc 和 protobuf
  19. 【Javaweb 1】带你搞懂request,respond,servlet
  20. CRC16 - CCITT 计算方法(查表法)| C语言实现

热门文章

  1. rsync , rsync + ssh, rsync + lsyncd 多种同步方案与比较
  2. 电脑风扇噪音大可以通过设置CPU功率来改善
  3. java pdf加密文件,java使用itext为pdf文件设置密码保护
  4. “富士康跳楼事件”引发的思考
  5. Differential Privacy and Fairness in Decisions and Learning Tasks: A Survey
  6. 2022CCPC桂林站 记录
  7. Sun OS Classic Command
  8. WebRTC-gcc算法详解
  9. VSLAM 硬件(FPGA、ASIC)架构设计论文汇总(一直更新)
  10. 2019年分享几个有趣实用的福利给大家