Python 关于pandas value_counts函数的说明
有人能解释一下这句话的意思吗Python 关于pandas value_counts函数的说明,python,pandas,Python,Pandas,有人能解释一下这句话的意思吗 result = data.apply(pd.value_counts).fillna(0) 你住在这里吗 import pandas as pd from pandas import Series, DataFrame data = DataFrame({'Qu1': [1, 3, 4, 3, 4], 'Qu2': [2, 3, 1, 2, 3], 'Qu3': [1, 5, 2,
result = data.apply(pd.value_counts).fillna(0)
你住在这里吗
import pandas as pd
from pandas import Series, DataFrame
data = DataFrame({'Qu1': [1, 3, 4, 3, 4],
'Qu2': [2, 3, 1, 2, 3],
'Qu3': [1, 5, 2, 4, 4]})
result = data.apply(pd.value_counts).fillna(0)
In [26]:data
Out[26]:
Qu1 Qu2 Qu3
0 1 2 1
1 3 3 5
2 4 1 2
3 3 2 4
4 4 3 4
In [27]:result
Out[28]:
Qu1 Qu2 Qu3
1 1 1 1
2 0 2 1
3 2 2 0
4 2 0 2
5 0 0 1
从文档中,它生成非空值的直方图。只要看一下
结果的列Qu1
,我们就可以知道原始列数据中有一个1、零2、两个3、两个4和零5。Qu1
我认为理解发生了什么的最简单方法是将其分解
每列一次,value_counts仅统计序列中每个值的出现次数(即,in 4在Qu1列中出现两次):
当您执行应用时,每列都会与其他结果重新对齐,因为1到5之间的每一个值都会被看到,所以它与范围(1,6)
对齐:
您希望将未看到的值计数为0而不是NaN,因此fillna:
In [13]: pd.value_counts(data.Qu1).reindex(range(1, 6)).fillna(0)
Out[13]:
1 1
2 0
3 2
4 2
5 0
dtype: float64
执行“应用”时,它将为每列显示执行此操作的结果:
In [14]: pd.concat((pd.value_counts(data[col]).reindex(range(1, 6)).fillna(0)
for col in data.columns),
axis=1, keys=data.columns)
Out[14]:
Qu1 Qu2 Qu3
1 1 1 1
2 0 2 1
3 2 2 0
4 2 0 2
5 0 0 1
非常感谢。我不熟悉直方图这个术语,否则它就很清楚了。很遗憾,示例值没有帮助。
In [13]: pd.value_counts(data.Qu1).reindex(range(1, 6)).fillna(0)
Out[13]:
1 1
2 0
3 2
4 2
5 0
dtype: float64
In [14]: pd.concat((pd.value_counts(data[col]).reindex(range(1, 6)).fillna(0)
for col in data.columns),
axis=1, keys=data.columns)
Out[14]:
Qu1 Qu2 Qu3
1 1 1 1
2 0 2 1
3 2 2 0
4 2 0 2
5 0 0 1