首页 文章详情

9个value_counts()的小技巧,提高Pandas 数据分析效率

数据派THU | 654 2021-09-06 12:56 0 0 0
UniSMS (合一短信)

来源:DeepHub IMBA

本文约1800字,建议阅读5分钟 

我们将探讨 Pandas value_counts() 的不同用例。


数据科学家通常将大部分时间花在探索和预处理数据上。当谈到数据分析和理解数据结构时,Pandas value_counts() 是最受欢迎的函数之一。该函数返回一个包含唯一值计数的系列。生成的Series可以按降序或升序排序,通过参数控制包括或排除NA。


在本文中,我们将探讨 Pandas value_counts() 的不同用例。您将学习如何使用它来处理以下常见任务。


  1. 默认参数

  2. 按升序对结果进行排序

  3. 按字母顺序排列结果

  4. 结果中包含空值

  5. 以百分比计数显示结果

  6. 将连续数据分入离散区间

  7. 分组并调用 value_counts()

  8. 将结果系列转换为 DataFrame

  9. 应用于DataFrame


1、默认参数


Pandas value_counts() 函数返回一个包含唯一值计数的系列。默认情况下,结果系列按降序排列,不包含任何 NA 值。例如,让我们从 Titanic 数据集中获取“Embarked”列的计数。


 >>> df['Embarked'].value_counts()
 
 S   644
 C   168
 Q     77
 Name: Embarked, dtype: int64


2、按升序对结果进行排序


value_count() 返回的系列默认按降序排列。对于升序结果,我们可以将参数升序设置为 True。

 >>> df['Embarked'].value_counts(ascending=True)
 
 Q     77
 C   168
 S   644
 Name: Embarked, dtype: int64


3、按字母顺序排列结果


我们已经学习了参数升序以获得按值计数 ASC 或 DESC 排序的结果。在某些情况下,最好按字母顺序显示我们的结果。这可以通过在 value_counts() 之后调用 sort_index(ascending=True) 来完成,例如


 >>> df['Embarked'].value_counts(ascending=True).sort_index(ascending=True)
 
 C   168
 Q     77
 S   644
 Name: Embarked, dtype: int64


4、包括结果中的 NA


默认情况下,结果中会忽略包含任何 NA 值的行。有一个参数 dropna 来配置它。我们可以将该值设置为 False 以包含 NA 的行数。


 df['Embarked'].value_counts(dropna=False)
 S     644
 C     168
 Q       77
 NaN     2
 Name: Embarked, dtype: int64


5、以百分比计数显示结果


在进行探索性数据分析时,有时查看唯一值的百分比计数会更有用。这可以通过将参数 normalize 设置为 True 来完成,例如:


 df['Embarked'].value_counts(normalize=True)
 
 S   0.724409
 C   0.188976
 Q   0.086614
 Name: Embarked, dtype: float64


如果我们更喜欢用百分号 (%) 格式化结果,我们可以设置 Pandas 显示选项如下:


 >>> pd.set_option('display.float_format', '{:.2f}%'.format)
 >>> df['Embarked'].value_counts(normalize = True)
 
 S   0.72%
 C   0.19%
 Q   0.09%
 Name: Embarked, dtype: float64


6、将连续数据分入离散区间


Pandas value_counts() 可用于使用 bin 参数将连续数据分入离散区间。与 Pandas cut() 函数类似,我们可以将整数或列表传递给 bin 参数。


当整数传递给 bin 时,该函数会将连续值离散化为大小相等的 bin,例如:


 >>> df['Fare'].value_counts(bins=3)
 (-0.513, 170.776]     871
 (170.776, 341.553]     17
 (341.553, 512.329]     3
 Name: Fare, dtype: int64


当列表传递给 bin 时,该函数会将连续值划分为自定义组,例如:


 >>> df['Fare'].value_counts(bins=[-1, 20, 100, 550])
 (-1.001, 20.0]   515
 (20.0, 100.0]     323
 (100.0, 550.0]     53
 Name: Fare, dtype: int64


7、分组并执行 value_counts()


Pandas groupby() 允许我们将数据分成不同的组来执行计算以进行更好的分析。一个常见的用例是按某个列分组,然后获取另一列的唯一值的计数。例如,让我们按“Embarked”列分组并获取不同“Sex”值的计数。


 >>> df.groupby('Embarked')['Sex'].value_counts()
 
 Embarked Sex   
 C         male       95
          female     73
 Q         male       41
          female     36
 S         male     441
          female   203
 Name: Sex, dtype: int64


8、将结果系列转换为 DataFrame


Pandas value_counts() 返回一个Series,包括前面带有 MultiIndex 的示例。如果我们希望我们的结果显示为 DataFrame,我们可以在 value_count() 之后调用 to_frame()。


 >>> df.groupby('Embarked')['Sex'].value_counts().to_frame()


9、应用于DataFrame


到目前为止,我们一直将 value_counts() 应用于 Pandas Series,在 Pandas DataFrame 中有一个等效的方法。Pandas DataFrame.value_counts() 返回一个包含 DataFrame 中唯一行计数的系列。


让我们看一个例子来更好地理解它:


 df = pd.DataFrame({
    'num_legs': [2, 4, 4, 6],
    'num_wings': [2, 0, 0, 0]},
    index=['falcon', 'dog', 'cat', 'ant']
 )
 >>> df.value_counts()
 
 num_legs num_wings
 4         0           2
 6         0           1
 2         2           1
 dtype: int64


通过在 df 上调用 value_counts(),它返回一个以 num_legs 和 num_wings 作为索引的 MultiIndex 系列。从结果中,我们可以发现有 2 条记录的 num_legs=4 和 num_wing=0。


同样,我们可以调用 to_frame() 将结果转换为 DataFrame


 >>> df.value_counts().to_frame()


总结


在本文中,我们探讨了 Pandas value_counts() 的不同用例。我希望这篇文章能帮助你节省学习 Pandas 的时间。我建议您查看 value_counts() API 的文档并了解您可以做的其他事情。


谢谢阅读。本文代码在这里:

https://github.com/BindiChen/machine-learning/blob/master/data-analysis/046-pandas-value_counts/pandas-value_counts.ipynb


编辑:文婧

校对:林亦霖


good-icon 0
favorite-icon 0
收藏
回复数量: 0
    暂无评论~~
    Ctrl+Enter