Python 在dataframe中迭代列的值计数

我有这个数据框：

power = [0,1,2,9,9,9,9,9,9,9,8,3]
df_p = pd.DataFrame(power, columns = ['power'])

    power
0   0
1   1
2   2
3   9
4   9
5   9
6   9
7   9
8   9
9   9
10  8
11  3

在这里，我获取了功率列的值计数，然后再次对功率和各自的值计数进行df

vc_d = df_p.power.value_counts()
vc_d = pd.DataFrame (vc_d)
vc_d = vc_d.reset_index()
vc_d.columns =['power', 'counts']

    power   counts
0   9       7
1   8       1
2   3       1
3   2       1
4   1       1
5   0       1

这只是一个样本，我有大约70000个条目。我想迭代幂值，检查它在DF中的发生率。例如：

vc_d.loc[ vc_d ['power'] > 8 , 'counts'].sum() / len(power) *100

out[] 58.333333333333336

vc_d.loc[ vc_d ['power'] > 9 , 'counts'].sum() / len(power) *100

out[] 0.0

从上面可以看出，我的功率值几乎有58%大于

>8

，但只要我给出

>9

，它就是0.0。所需的输出是获得值“8”。这意味着如果超过8，则功率值不存在或数字更少，这将降低百分比

---

你知道怎么做吗？提前感谢。

考虑阈值为

0.5

，您可以使用查看系列中的百分比变化并应用您的逻辑：

df_p.power.value_counts().pct_change().fillna(0).abs().gt(.5).idxmax()
#8

其中：

df_p.power.value_counts().pct_change().fillna(0).abs()

给出：

9    0.000000
8    0.857143
3    0.000000
2    0.000000
1    0.000000
0    0.000000

---

将阈值视为

0.5

，您可以使用查看系列中的百分比变化并应用逻辑：

df_p.power.value_counts().pct_change().fillna(0).abs().gt(.5).idxmax()
#8

其中：

df_p.power.value_counts().pct_change().fillna(0).abs()

给出：

9    0.000000
8    0.857143
3    0.000000
2    0.000000
1    0.000000
0    0.000000

---

vc_d.loc[1，'power']

？这真的会一直实现…没关系。我需要找到电源（在本例中为8）。迭代之后，我可以发现大于9的功率为0.0%，大于8的功率为58.00。这意味着我58.00%的能量是9（>8）。@anky_91谢谢你的回答。我想找到值计数百分比变化的阈值，比如说50%。这意味着大于8的幂是58%，如果我进一步到9，它是零。这意味着功率值大于8但小于9。@Arpit您可以尝试

df_p.power.value_counts（）.pct_change（）.fillna（0）.abs（）.gt（.5）.idxmax（）

？其中

.5

是阈值

vc_d.loc[1，'power']

？这真的会一直实现…没关系。我需要找到电源（在本例中为8）。迭代之后，我可以发现大于9的功率为0.0%，大于8的功率为58.00。这意味着我58.00%的能量是9（>8）。@anky_91谢谢你的回答。我想找到值计数百分比变化的阈值，比如说50%。这意味着大于8的幂是58%，如果我进一步到9，它是零。这意味着功率值大于8但小于9。@Arpit您可以尝试

df_p.power.value_counts（）.pct_change（）.fillna（0）.abs（）.gt（.5）.idxmax（）

？其中

.5

是阈值