Python 计算每个值在列中出现的次数
呈现此数据帧会产生:Python 计算每个值在列中出现的次数,python,pandas,Python,Pandas,呈现此数据帧会产生: import pandas as pd test_values = [] test_values.append(np.array([1,0,1])) test_values.append(np.array([1,0,1])) test_values.append(np.array([0,1,1])) test_values df = pd.DataFrame(test_values) for i in range(0 , df.shape[1]) :
import pandas as pd
test_values = []
test_values.append(np.array([1,0,1]))
test_values.append(np.array([1,0,1]))
test_values.append(np.array([0,1,1]))
test_values
df = pd.DataFrame(test_values)
for i in range(0 , df.shape[1]) :
print(df.iloc[:,i].value_counts().values)
我试图计算每个值在列中出现的次数,因此对于上述数据帧,应生成以下内容:
0 1 2
0 1 0 1
1 1 0 1
2 0 1 1
使用.values():
产生:
import pandas as pd
test_values = []
test_values.append(np.array([1,0,1]))
test_values.append(np.array([1,0,1]))
test_values.append(np.array([0,1,1]))
test_values
df = pd.DataFrame(test_values)
for i in range(0 , df.shape[1]) :
print(df.iloc[:,i].value_counts().values)
标签已从每列中删除。如何访问每个计数的关联标签?因此,我们可以生产:
[2 1]
[2 1]
[3]
如果预期只有
0
和1
值,则添加缺失值-按预期值列表重新索引:
1 occurs 2, 0 occurs 0.
0 occurs 2, 1 occurs 1.
1 occurs 3, 0 occurs 0.
您可以通过以下方式迭代序列: 不清楚您希望如何推断零计数,所以我没有假设这是一个要求。结果如下:
for i in range(0 , df.shape[1]):
counts = df.iloc[:,i].value_counts()
gen = (f'{key} occurs {value} times' for key, value in counts.items())
print(*gen, sep=', ')
简单解决方案:
1 occurs 2 times, 0 occurs 1 times
0 occurs 2 times, 1 occurs 1 times
1 occurs 3 times
您可以尝试分别为每列使用
value\u counts()
df.apply(pd.Series.value_counts)