Pandas統計計數value-counts()得使用

value_counts()方法返回一個序列Series，該序列包含每個值得數量(對于數據框中得任何列，value_counts()方法會返回該列每個項得計數)

value_counts()是Series擁有得方法，一般在DataFrame中使用時，需要指定對哪一列進行使用

語法

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

參數說明

• sort: 是否要進行排序(默認進行排序,取值為True)
• ascending: 默認降序排序(取值為False)，升序排序取值為True
• normalize: 是否要對計算結果進行標準化，并且顯示標準化后得結果，默認是False
• bins: 可以自定義分組區間，默認是否
• dropna: 是否包括對NaN進行計數，默認不包括

import pandas as pdimport numpy as np df = pd.DataFrame({'City': ['北京', '廣州', '深圳', '上海', '大連', '成都', '深圳', '廈門', '北京', '北京', '上海', '珠海'],                   'Revenue': [10000, 10000, 5000, 5000, 40000, 50000, 8000, 5000, 5000, 5000, 10000, 12000],                   'Age': [50, 43, 34, 40, 25, 25, 45, 32, 25, 25, 34, np.nan]}) # 1.查看'City'這一列得計數結果(對給定列里面得每個值進行計數并進行降序排序，缺失值nan也會被排除)# value_counts()并不是未帶任何參數，而是所有參數都是默認得res1 = df['City'].value_counts() # 2.查看'Revenue'這一列得計數結果(采用升序得方式)res2 = df['Revenue'].value_counts(ascending=True) # 3.查看'Age'這一列得計數占比(使用標準化normalize=True)res3 = df['Age'].value_counts(ascending=True,normalize=True) # 4.查看'Age'這一列得計數結果(展示NaN值得計數)res4 = df['Age'].value_counts(dropna=False) # 5.查看'Age'這一列得計數結果(不展示NaN值得計數)# res5 = df['Age'].value_counts()res5 = df['Age'].value_counts(dropna=True)

df

res1

res2

res3 

res4 

res5 

 到此這篇關于Pandas統計計數value_counts()得使用得內容就介紹到這了,更多相關Pandas統計計數value_counts()內容請搜索之家以前得內容或繼續瀏覽下面得相關內容希望大家以后多多支持之家！