Python 计算数据帧列中出现值的频率

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]:
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"})