Python pandas.DataFrame.value_counts函数方法的使用

Pandas是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。Pandas提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现，它是使Python成为强大而高效的数据分析环境的重要因素之一。本文主要介绍一下Pandas中pandas.DataFrame.value_counts方法的使用。

DataFrame.value_counts(subset=None, normalize=False, sort=True, ascending=False) [source]

返回一个包含DataFrame中唯一行数的Series。1.1.0版中的新功能。

参数：

subset ：list-like, 可选

计算唯一组合时要使用的列。

normalize：bool, 默认为 False

返回比例而不是频率。

sort ：bool, 默认为 True

按频率排序。

ascending：bool, 默认为 False

升序排列。

返回值：

Series

Notes

返回的Series将具有一个MultiIndex，每个输入列具有一个级别。默认情况下，结果中将省略包含任何NA值的行。默认情况下，生成的Series将按降序排列，以便第一个元素是出现频率最高的行。

例子，

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

>>> df.value_counts()num_legs  num_wings4         0            26         0            12         2            1dtype: int64

>>> df.value_counts(sort=False)num_legs  num_wings2         2            14         0            26         0            1dtype: int64

>>> df.value_counts(ascending=True)num_legs  num_wings2         2            16         0            14         0            2dtype: int64

>>> df.value_counts(normalize=True)num_legs  num_wings4         0            0.506         0            0.252         2            0.25dtype: float64