подсчитайте частоту появления значения в столбце фрейма данных

Question

подсчитайте частоту появления значения в столбце фрейма данных

у меня есть набор данных

|category|

cat a

cat b

cat a

Я хотел бы иметь возможность вернуть что-то вроде (показывая уникальные значения и частоту)

category | freq |

cat a       2

cat b       1

620 12

python pandas

12 ответов:

Comments

Ничего не найдено.

EdChum · Accepted Answer · 2017-03-31 17:29:07

использовать groupby и count:
In [37]:
df = pd.DataFrame({'a':list('abssbab')})
df.groupby('a').count()

Out[37]:

   a
a   
a  2
b  3
s  2

[3 rows x 1 columns]
смотрите онлайн-документы:http://pandas.pydata.org/pandas-docs/stable/groupby.html

и value_counts() как прокомментировал @DSM, здесь много способов освежевать кошку
In [38]:
df['a'].value_counts()

Out[38]:

b    3
a    2
s    2
dtype: int64
если вы хотите добавить частоту обратно в исходный фрейм данных используйте transform чтобы вернуть выровненный индекс:
In [41]:
df['freq'] = df.groupby('a')['a'].transform('count')
df

Out[41]:

   a freq
0  a    2
1  b    3
2  s    2
3  s    2
4  b    3
5  a    2
6  b    3

[7 rows x 2 columns]

Arran Cudbard-Bell · Accepted Answer · 2016-04-05 21:30:11

Если вы хотите применить ко всем столбцам можно использовать:
df.apply(pd.value_counts)
к каждому столбцу будет применена функция агрегации на основе столбцов (в данном случае value_counts).

Roman Kazakov · Accepted Answer · 2017-12-22 10:24:48

df.apply(pd.value_counts).fillna(0)
value_counts - возвращает объект, содержащий количество уникальных значений

применить - частота отсчета в каждом столбце. Если вы установите axis=1, вы получите frequncy в каждой строке

fillna (0) - сделать вывод более причудливым. Изменен NaN на 0

Satyajit Dhawale · Accepted Answer · 2018-01-15 22:04:44

df.category.value_counts()
эта короткая строка кода даст вам выход, который вы хотите.

Vidhya G · Accepted Answer · 2016-08-01 19:23:00

в 0.18.1 groupby вместе с count не дает частоты уникальных значений:
>>> df
   a
0  a
1  b
2  s
3  s
4  b
5  a
6  b

>>> df.groupby('a').count()
Empty DataFrame
Columns: []
Index: [a, b, s]
однако уникальные значения и их частоты легко определяются с помощью size:
>>> df.groupby('a').size()
a
a    2
b    3
s    2
С df.a.value_counts() по умолчанию возвращаются отсортированные значения (в порядке убывания, т. е. сначала наибольшее значение).

jetpackdata.com · Accepted Answer · 2017-05-23 15:34:45

использование списка понимания и value_counts для нескольких столбцов в df
[my_series[c].value_counts() for c in list(my_series.select_dtypes(include=['O']).columns)]
https://stackoverflow.com/a/28192263/786326

user666 · Accepted Answer · 2017-10-05 01:06:38

Если ваш фрейм данных имеет значения с тем же типом, вы также можете установить return_counts=True на numpy.уникальный().

index, counts = np.unique(df.values,return_counts=True)

np.bincount () может быть быстрее, если ваши значения являются целыми числами.

Timz95 · Accepted Answer · 2017-03-28 01:05:15

без каких-либо библиотек, вы могли бы сделать это вместо:

def to_frequency_table(data):
    frequencytable = {}
    for key in data:
        if key in frequencytable:
            frequencytable[key] += 1
        else:
            frequencytable[key] = 1
    return frequencytable

пример:

to_frequency_table([1,1,1,1,2,3,4,4])
>>> {1: 4, 2: 1, 3: 1, 4: 2}

Kilzrus · Accepted Answer · 2017-09-05 12:43:49

Это должно работать:
df.groupby('category').size()

Omniverse10 · Accepted Answer · 2018-02-13 13:39:12

использовать метод size ():

    import pandas as pd
    print df.groupby['category'].size()
    #where df is your dataframe

tsando · Accepted Answer · 2018-05-18 19:08:48

вы также можете сделать это с пандами, транслируя свои столбцы в качестве категорий, например,dtype="category" например
cats = ['client', 'hotel', 'currency', 'ota', 'user_country']

df[cats] = df[cats].astype('category')
а потом звонит describe:
df[cats].describe()
Это даст вам хорошую таблицу подсчетов значений и немного больше :):
    client  hotel   currency    ota user_country
count   852845  852845  852845  852845  852845
unique  2554    17477   132 14  219
top 2198    13202   USD Hades   US
freq    102562  8847    516500  242734  340992

RAHUL KUMAR · Accepted Answer · 2018-08-14 04:12:41

n_values = data.income.value_counts()
первое уникальное значение count
n_at_most_50k = n_values[0]
второе уникальное значение count
n_greater_50k = n_values[1]

n_values
выход:
<=50K    34014
>50K     11208

Name: income, dtype: int64
выход:
n_greater_50k,n_at_most_50k:-
(11208, 34014)