计算值在数据帧列中出现的频率

Question

我有一个数据集

|category|
cat a
cat b
cat a

我希望能够返回类似的东西(显示独特的值和频率)

category | freq |
cat a       2
cat b       1

Answer 1

使用groupby和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]

请参阅在线文档:http://pandas.pydata.org/pandas-docs/stable/groupby.html

同样value_counts()正如@DSM评论的那样,有许多方法可以让猫在这里

In [38]:
df['a'].value_counts()

Out[38]:

b    3
a    2
s    2
dtype: int64

如果要将频率添加回原始数据帧,请使用transform以返回对齐的索引:

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]

Answer 2

如果要应用于所有列,可以使用:

df.apply(pd.value_counts)

这将对每个列应用基于列的聚合函数(在本例中为value_counts).

Answer 3

df.category.value_counts()

这一小段代码将为您提供所需的输出.

如果您的列名称包含空格,则可以使用

df['category'].value_counts()

Answer 4

df.apply(pd.value_counts).fillna(0)

value_counts - 返回包含唯一值计数的对象

apply - 计算每列的频率.如果设置axis = 1,则每行都会获得频率

fillna(0) - 使输出更加花哨.将NaN更改为0

Answer 5

在0.18.1 groupby连同count不给唯一值的频率:

>>> 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]

但是,使用size以下方法可以轻松确定唯一值及其频率:

>>> df.groupby('a').size()
a
a    2
b    3
s    2

对于df.a.value_counts()排序值(按降序排列,即最大值为第一个),默认返回.

Answer 6

正如大家所说，更快的解决方案是：

df.column_to_analyze.value_counts()

但是，如果您想使用数据框中的输出，请使用以下架构：

df input:

category
cat a
cat b
cat a

df output: 

category   counts
cat a        2
cat b        1 
cat a        2

你可以这样做：

df['counts'] = df.category.map(df.category.value_counts())
df 

Answer 7

对df中的多个列使用list comprehension和value_counts

[my_series[c].value_counts() for c in list(my_series.select_dtypes(include=['O']).columns)]

/sf/answers/1973458441/

Answer 8

如果没有任何库，您可以这样做：

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

例子：

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

Answer 9

如果您的DataFrame具有相同类型的值，则还可以return_counts=True在numpy.unique（）中进行设置。

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

如果您的值是整数，则np.bincount（）可能会更快。

Answer 10

您还可以通过首先将您的列作为类别广播来使用 pandas 来做到这一点，dtype="category"例如

cats = ['client', 'hotel', 'currency', 'ota', 'user_country']

df[cats] = df[cats].astype('category')

然后调用describe：

df[cats].describe()

这将为您提供一个很好的值计数表以及更多:)：

    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