Pandas计算元素的数量和频率的方法(出现的次数)
饺子大人 人气:0在pandas.Series的pandas.DataFrame列中,将描述获取唯一元素数(不包括重复项的案例数)和每个元素的出现频率(出现数)的方法。
使用pandas.Series方法的unique(),value_counts()和nunique()。还提供了nunique()作为pandas.DataFrame的方法。
在这里:
- pandas.Series.unique():返回NumPy数组ndarray中唯一元素值的列表
- pandas.Series.value_counts():返回唯一元素的值及其在出现的次数。
- pandas.Series.nunique(), pandas.DataFrame.nunique():返回int,pandas.Series中唯一元素的数量。
在解释了基本用法之后,对一下内容进行介绍。
- 唯一元素的数量(不包括重复项的)
- 唯一元素值列表
- 唯一元素的频率(出现次数)
- 独特元素及其出现的字典
- 模式及其频率
- 归一化频率
以下面的数据为例。
import pandas as pd import numpy as np df = pd.read_csv('./data/15/sample_pandas_normal.csv') df.iloc[1] = np.nan print(df) # name age state point # 0 Alice 24.0 NY 64.0 # 1 NaN NaN NaN NaN # 2 Charlie 18.0 CA 70.0 # 3 Dave 68.0 TX 70.0 # 4 Ellen 24.0 CA 88.0 # 5 Frank 30.0 NY 57.0
pandas.Series.unique():返回NumPy数组ndarray中唯一元素值的列表
unique()返回唯一元素值的列表。一维NumPy数组ndarray类型而不是列表类型(Python内置类型)。还包括缺失值NaN。
u = df['state'].unique() print(u) print(type(u)) # ['NY' nan 'CA' 'TX'] # <class 'numpy.ndarray'>
pandas.Series.value_counts():返回唯一元素的值及其在出现的次数。
value_counts()返回pandas.Series,其中唯一元素的值是index,出现的次数是data。当需要元素的频率(出现次数)时使用此选项。
vc = df['state'].value_counts() print(vc) print(type(vc)) # NY 2 # CA 2 # TX 1 # Name: state, dtype: int64 # <class 'pandas.core.series.Series'>
默认情况下,它按出现次数的降序排序,但是如果参数ascending = True,则以升序排序,如果参数sort = False,则不进行排序。
print(df['state'].value_counts(ascending=True)) # TX 1 # CA 2 # NY 2 # Name: state, dtype: int64 print(df['state'].value_counts(sort=False)) # CA 2 # NY 2 # TX 1 # Name: state, dtype: int64
默认情况下,NaN被排除,但如果参数dropna = False,则也计入NaN。
print(df['state'].value_counts(dropna=False)) # NY 2 # CA 2 # TX 1 # NaN 1 # Name: state, dtype: int64
如果指定了参数normalize = True,则将值归一化,以使总数变为1。
请注意,如果包含缺失值NaN,则该值将根据参数dropna的设置而有所不同。
print(df['state'].value_counts(dropna=False, normalize=True)) # NY 0.333333 # CA 0.333333 # TX 0.166667 # NaN 0.166667 # Name: state, dtype: float64
pandas.Series.nunique(), pandas.DataFrame.nunique():返回int,pandas.Series中唯一元素的数量。
pandas.Series.nunique()以整数int形式返回唯一元素的数量。
默认情况下,不包含NaN,并且如果指定了参数dropna = False,则结果还将包含NaN。
nu = df['state'].nunique() print(nu) print(type(nu)) # 3 # <class 'int'> print(df['state'].nunique(dropna=False)) # 4
pandas.DataFrame.nunique()计算每列的唯一元素数。返回pandas.Series类型。
默认情况下,不包含NaN,并且如果指定了参数dropna = False,则结果还将包含NaN。
默认情况下,该值为每列,但是如果参数axis = 1或axis =‘columns’,则返回每行的值。
nu_col = df.nunique() print(nu_col) print(type(nu_col)) # name 5 # age 4 # state 3 # point 4 # dtype: int64 # <class 'pandas.core.series.Series'> print(df.nunique(dropna=False)) # name 6 # age 5 # state 4 # point 5 # dtype: int64 print(df.nunique(dropna=False, axis='columns')) # 0 4 # 1 1 # 2 4 # 3 4 # 4 4 # 5 4 # dtype: int64
唯一元素的数量(不包括重复项的)
如上所述,pandas.Series.nunique()和pandas.DataFrame.nunique()可以计算唯一元素的数量(唯一元素的数量)。
print(df['state'].nunique()) # 3 print(df.nunique()) # name 5 # age 4 # state 3 # point 4 # dtype: int64
唯一元素值列表
使用unique(),您可以获取NumPy数组ndarray类型的唯一元素值的列表。如果要使用列表类型(Python内置类型),则可以使用tolist()方法将其转换。
print(df['state'].unique().tolist()) print(type(df['state'].unique().tolist())) # ['NY', nan, 'CA', 'TX'] # <class 'list'>
可以将tolist()方法应用于通过value_counts()获得的pandas.Series的索引。也可以作为NumPy数组ndarray类型的值来获取。
print(df['state'].value_counts().index.tolist()) print(type(df['state'].value_counts().index.tolist())) # ['NY', 'CA', 'TX'] # <class 'list'> print(df['state'].value_counts(dropna=False).index.values) print(type(df['state'].value_counts().index.values)) # ['NY' 'CA' 'TX' nan] # <class 'numpy.ndarray'>
如上所述,在unique()的情况下,始终包含NaN,但是value_counts()可以指定参数dropna是否包含NaN。
唯一元素的频率(出现次数)
要获取每个唯一元素的频率(出现次数),请访问通过value_counts()获得的pandas.Series的值。
print(df['state'].value_counts()['NY']) # 2 print(df['state'].value_counts().NY) # 2
使用iteritems()方法检索for循环中的元素值和频率(出现次数)。
for index, value in df['state'].value_counts().iteritems(): print(index, ': ', value) # NY : 2 # CA : 2 # TX : 1
独特元素及其出现的字典
也可以将to_dict()方法应用于value_counts()获得的pandas.Series使其成为字典。
d = df['state'].value_counts().to_dict() print(d) print(type(d)) # {'NY': 2, 'CA': 2, 'TX': 1} # <class 'dict'> print(d['NY']) # 2
使用items()方法在for循环中检索元素值和频率(出现次数)。
for key, value in d.items(): print(key, ': ', value) # NY : 2 # CA : 2 # TX : 1
模式及其频率
默认情况下,value_counts()返回pandas.Series,它以出现次数的降序排列,因此顶部是最频繁出现的值及其频率。
print(df['state'].value_counts()) # NY 2 # CA 2 # TX 1 # Name: state, dtype: int64 print(df['state'].value_counts().index[0]) # NY print(df['state'].value_counts().iat[0]) # 2
原始pandas.Series的元素成为所得pandas.Series的索引。当数值为索引时,无法使用[Number]指定该值(这会导致错误),因此严格使用iat [Number]进行指定。 (由于示例是字符串,因此[Number]无关紧要)
使用apply()方法将其应用于pandas.DataFrame的每一列。
Pandas中map(),applymap(),apply()函数的使用方法
print(df.apply(lambda x: x.value_counts().index[0])) # name Frank # age 24 # state NY # point 70 # dtype: object print(df.apply(lambda x: x.value_counts().iat[0])) # name 1 # age 2 # state 2 # point 2 # dtype: int64
如果存在多种模式,则上述方法只能获得一种模式。
mode()
pandas.Series的mode()方法将模式值返回为pandas.Series。如果使用tolist()列出此结果,则可以将模式值作为列表获取。请注意,即使只有一种模式,也将是一个列表。
print(df['state'].mode()) # 0 CA # 1 NY # dtype: object print(df['state'].mode().tolist()) # ['CA', 'NY'] print(df['age'].mode().tolist()) # [24.0]
使用apply()方法将mode()应用于每列将产生具有列表类型元素的pandas.Series()。
s_mode = df.apply(lambda x: x.mode().tolist()) print(s_mode) # name [Alice, Charlie, Dave, Ellen, Frank] # age [24.0] # state [CA, NY] # point [70.0] # dtype: object print(type(s_mode)) # <class 'pandas.core.series.Series'> print(s_mode['name']) # ['Alice', 'Charlie', 'Dave', 'Ellen', 'Frank'] print(type(s_mode['name'])) # <class 'list'>
mode()也作为pandas.DataFrame的方法提供。返回pandas.DataFrame。由于各列的模式数不同,所以空缺部分成为缺失值NaN。
print(df.mode()) # name age state point # 0 Alice 24.0 CA 70.0 # 1 Charlie NaN NY NaN # 2 Dave NaN NaN NaN # 3 Ellen NaN NaN NaN # 4 Frank NaN NaN NaN
可以使用count()方法获得每列中的模式数,该方法对不缺少值NaN的元素数进行计数。
print(df.mode().count()) # name 5 # age 1 # state 2 # point 1 # dtype: int64
describe()
同样,正如我在开始时所写的那样,describe()方法可用于共同计算每一列的唯一元素的数量,模式值及其频率(出现的次数)。每个项目都可以使用loc []获得。
print(df.astype('str').describe()) # name age state point # count 6 6 6 6 # unique 6 5 4 5 # top Frank 24.0 CA 70.0 # freq 1 2 2 2 print(df.astype('str').describe().loc['top']) # name Frank # age 24.0 # state CA # point 70.0 # Name: top, dtype: object
在describe()中,由列类型dtype计算出的项是不同的,因此使用astype()进行类型转换(转换)。
归一化频率
如上所述,当将value_counts()的参数归一化设置为True时,将归一化以使总数变为1的值被返回。
请注意,如果包含缺失值NaN,则该值将根据参数dropna的设置而有所不同。
比较多个数据的频率分布时,很方便。
print(df['state'].value_counts(dropna=False, normalize=True)) # NY 0.333333 # CA 0.333333 # TX 0.166667 # NaN 0.166667 # Name: state, dtype: float64
加载全部内容