統計一個值在 dataframe 列中出現的頻率

Question

我有一個數據集

category
cat a
cat b
cat a

我希望能夠返回類似（顯示唯一值和頻率）

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]

查看在線文檔： https : //pandas.pydata.org/pandas-docs/stable/user_guide/groupby.html

還有value_counts()正如@DSM 所評論的，這里有很多給貓剝皮的方法

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

Out[38]:

b    3
a    2
s    2
dtype: int64

如果您想將頻率添加回原始數據幀，請使用transform返回對齊的索引：

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

如果要應用於所有列，可以使用：

df.apply(pd.value_counts)

這會將基於列的聚合函數（在本例中為 value_counts）應用於每一列。

Answer 3

df.category.value_counts()

這短短的一小行代碼將為您提供所需的輸出。

如果您的列名有空格，您可以使用

df['category'].value_counts()

Answer 4

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

value_counts - 返回包含唯一值計數的對象

apply - 計算每列中的頻率。 如果你設置axis=1 ，你會得到每一行的頻率

fillna(0) - 使輸出更花哨。 將 NaN 更改為 0

Answer 5

在 0.18.1 groupby和count一起沒有給出唯一值的頻率：

>>> 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，可以使用size輕松確定唯一值及其頻率：

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

使用df.a.value_counts()排序值（按降序排列，即最大值在前）默認返回。

Answer 6

對 df 中的多列使用列表理解和 value_counts

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

https://stackoverflow.com/a/28192263/786326

Answer 7

如果您的 DataFrame 具有相同類型的值，您還可以在numpy.unique() 中設置return_counts=True 。

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

如果您的值是整數， np.bincount()可能會更快。

Answer 8

沒有任何庫，你可以這樣做：

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

您也可以通過首先將您的列作為類別廣播來對dtype="category"執行此操作，例如dtype="category"例如

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

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

然后調用describe ：

df[cats].describe()

這將為您提供一個很好的值計數表和更多:)：

    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

Answer 10

@metatoaster 已經指出了這一點。 去Counter 。 它的速度很快。

import pandas as pd
from collections import Counter
import timeit
import numpy as np

df = pd.DataFrame(np.random.randint(1, 10000, (100, 2)), columns=["NumA", "NumB"])

計時器

%timeit -n 10000 df['NumA'].value_counts()
# 10000 loops, best of 3: 715 µs per loop

%timeit -n 10000 df['NumA'].value_counts().to_dict()
# 10000 loops, best of 3: 796 µs per loop

%timeit -n 10000 Counter(df['NumA'])
# 10000 loops, best of 3: 74 µs per loop

%timeit -n 10000 df.groupby(['NumA']).count()
# 10000 loops, best of 3: 1.29 ms per loop

干杯!

Answer 11

我相信這適用於任何 DataFrame 列列表。

def column_list(x):
    column_list_df = []
    for col_name in x.columns:
        y = col_name, len(x[col_name].unique())
        column_list_df.append(y)
return pd.DataFrame(column_list_df)

column_list_df.rename(columns={0: "Feature", 1: "Value_count"})

函數“column_list”檢查列名稱，然后檢查每個列值的唯一性。

Answer 12

以下代碼為名為“smaller_dat1”的數據幀中名為“Total_score”的列中的各種值創建頻率表，然后返回值“300”在該列中出現的次數。

valuec = smaller_dat1.Total_score.value_counts()
valuec.loc[300]

Answer 13

n_values = data.income.value_counts()

第一個唯一值計數

n_at_most_50k = n_values[0]

第二個唯一值計數

n_greater_50k = n_values[1]

n_values

輸出：

<=50K    34014
>50K     11208

Name: income, dtype: int64

輸出：

n_greater_50k,n_at_most_50k:-
(11208, 34014)

Answer 14

使用此代碼：

import numpy as np
np.unique(df['a'],return_counts=True)

Answer 15

your data:

|category|
cat a
cat b
cat a

解決方案：

 df['freq'] = df.groupby('category')['category'].transform('count')
 df =  df.drop_duplicates()

Answer 16

正如大家所說，更快的解決方案是：

df.column_to_analyze.value_counts()

但是，如果您想在數據框中使用輸出，請使用以下架構：

df input:

category
cat a
cat b
cat a

df output: 

category   counts
cat a        2
cat b        1 
cat a        2

你可以這樣做：

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