Python 计算数据帧列中出现值的频率
我有一个数据集Python 计算数据帧列中出现值的频率,python,pandas,frequency,Python,Pandas,Frequency,我有一个数据集 category cat a cat b cat a 我希望能够返回如下内容(显示唯一值和频率) 使用groupby和count: In [37]: df = pd.DataFrame({'a':list('abssbab')}) df.groupby('a').count() Out[37]: a a a 2 b 3 s 2 [3 rows x 1 columns] 请参阅在线文档: 正如@DSM所评论的,这里有很多剥猫皮的方法 In [38]: d
category
cat a
cat b
cat a
我希望能够返回如下内容(显示唯一值和频率)
使用
groupby
和count
:
In [37]:
df = pd.DataFrame({'a':list('abssbab')})
df.groupby('a').count()
Out[37]:
a
a
a 2
b 3
s 2
[3 rows x 1 columns]
请参阅在线文档:
正如@DSM所评论的,这里有很多剥猫皮的方法
In [38]:
df['a'].value_counts()
Out[38]:
b 3
a 2
s 2
dtype: int64
如果要将频率添加回原始数据帧,请使用transform
返回对齐索引:
In [41]:
df['freq'] = df.groupby('a')['a'].transform('count')
df
Out[41]:
a freq
0 a 2
1 b 3
2 s 2
3 s 2
4 b 3
5 a 2
6 b 3
[7 rows x 2 columns]
对df中的多个列使用列表理解和值_计数
[my_series[c].value_counts() for c in list(my_series.select_dtypes(include=['O']).columns)]
如果要应用于所有可以使用的列:
df.apply(pd.value_counts)
这将对每个列应用基于列的聚合函数(在本例中为值计数)。在0.18.1
groupby
中,与count一起使用不会给出唯一值的频率:
>>> df
a
0 a
1 b
2 s
3 s
4 b
5 a
6 b
>>> df.groupby('a').count()
Empty DataFrame
Columns: []
Index: [a, b, s]
但是,使用size
可以轻松确定唯一值及其频率:
>>> df.groupby('a').size()
a
a 2
b 3
s 2
使用df.a.value\u counts()
默认情况下返回排序后的值(按降序,即首先返回最大值)。如果没有任何库,则可以执行以下操作:
def to_frequency_table(data):
frequencytable = {}
for key in data:
if key in frequencytable:
frequencytable[key] += 1
else:
frequencytable[key] = 1
return frequencytable
例如:
to_frequency_table([1,1,1,1,2,3,4,4])
>>> {1: 4, 2: 1, 3: 1, 4: 2}
-返回包含唯一值计数的对象
-计算每列中的频率。如果将轴设置为1,则每行都会显示频率
fillna(0)-使输出更美观。将NaN更改为0如果您的数据帧具有相同类型的值,您还可以在中设置return\u counts=True
index,counts=np.unique(df.values,return\u counts=True)
如果您的值是整数,则速度可能会更快
df.category.value_counts()
这一小行代码将为您提供所需的输出
如果列名中有空格,则可以使用
df['category'].value_counts()
您也可以通过首先将您的专栏作为类别广播来实现这一点,例如dtype=“category”
e.g
cats = ['client', 'hotel', 'currency', 'ota', 'user_country']
df[cats] = df[cats].astype('category')
然后调用描述:
df[cats].describe()
这将为您提供一个很好的值计数表和更多信息:):
第一个唯一值计数
n_at_most_50k = n_values[0]
n_greater_50k = n_values[1]
n_values
第二个唯一值计数
n_at_most_50k = n_values[0]
n_greater_50k = n_values[1]
n_values
输出:
<=50K 34014
>50K 11208
Name: income, dtype: int64
n_greater_50k,n_at_most_50k:-
(11208, 34014)
@metatoaster已经指出了这一点。
转到计数器
。它燃烧得很快
import pandas as pd
from collections import Counter
import timeit
import numpy as np
df = pd.DataFrame(np.random.randint(1, 10000, (100, 2)), columns=["NumA", "NumB"])
计时器
干杯
your data:
|category|
cat a
cat b
cat a
解决方案:
df['freq'] = df.groupby('category')['category'].transform('count')
df = df.drop_duplicates()
我相信这对于任何DataFrame列列表都很好
def column_list(x):
column_list_df = []
for col_name in x.columns:
y = col_name, len(x[col_name].unique())
column_list_df.append(y)
return pd.DataFrame(column_list_df)
column_list_df.rename(columns={0: "Feature", 1: "Value_count"})
函数“column_list”检查列名称,然后检查每个列值的唯一性。是否查找?如果列名有空格,则使用[]df['category 1'].value_counts()
您可以添加代码工作原理的简要说明,以改进答案。
your data:
|category|
cat a
cat b
cat a
df['freq'] = df.groupby('category')['category'].transform('count')
df = df.drop_duplicates()
def column_list(x):
column_list_df = []
for col_name in x.columns:
y = col_name, len(x[col_name].unique())
column_list_df.append(y)
return pd.DataFrame(column_list_df)
column_list_df.rename(columns={0: "Feature", 1: "Value_count"})