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

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