单个变量的频率表

Question

今天最后一个新手大熊猫问题:如何为单个系列生成一个表？

例如:

my_series = pandas.Series([1,2,2,3,3,3])
pandas.magical_frequency_function( my_series )

>> {
     1 : 1,
     2 : 2, 
     3 : 3
   }

很多谷歌搜索让我进入了Series.describe()和pandas.crosstabs,但这些都不是我需要的:一个变量,按类别计算.哦,如果它适用于不同的数据类型会很好:字符串,整数等.

Answer 1

也许.value_counts()？

>>> import pandas
>>> my_series = pandas.Series([1,2,2,3,3,3, "fred", 1.8, 1.8])
>>> my_series
0       1
1       2
2       2
3       3
4       3
5       3
6    fred
7     1.8
8     1.8
>>> counts = my_series.value_counts()
>>> counts
3       3
2       2
1.8     2
fred    1
1       1
>>> len(counts)
5
>>> sum(counts)
9
>>> counts["fred"]
1
>>> dict(counts)
{1.8: 2, 2: 2, 3: 3, 1: 1, 'fred': 1}

Answer 2

您可以在数据帧上使用列表推导来计算列的频率

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

分解:

my_series.select_dtypes(include=['O']) 

仅选择分类数据

list(my_series.select_dtypes(include=['O']).columns) 

将上面的列转换为列表

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

迭代上面的列表并将value_counts()应用于每个列

Answer 3

@DSM提供的答案很简单明了，但我想我将自己的输入添加到该问题中。如果查看pandas.value_counts的代码，则会发现发生了很多事情。

如果您需要计算多个序列的频率，则可能需要一段时间。更快的实现是将numpy.unique与return_counts = True

这是一个例子：

import pandas as pd
import numpy as np

my_series = pd.Series([1,2,2,3,3,3])

print(my_series.value_counts())
3    3
2    2
1    1
dtype: int64

注意这里返回的项目是pandas.Series

相比之下，numpy.unique返回具有两个项目的元组，即唯一值和计数。

vals, counts = np.unique(my_series, return_counts=True)
print(vals, counts)
[1 2 3] [1 2 3]

然后，您可以将它们组合成字典：

results = dict(zip(vals, counts))
print(results)
{1: 1, 2: 2, 3: 3}

然后变成 pandas.Series

print(pd.Series(results))
1    1
2    2
3    3
dtype: int64