我该如何为单个Series生成频率表（或直方图）？例如，如果我有my_series = pandas.Series([1,2,2,3,3,3])，那么如何获得类似于{1: 1, 2: 2, 3: 3}的结果-即每个值出现的次数计数在 Series中?
如何为单个Series计算直方图（频率表）？
116
- Abe
4个回答
172
也许是
.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}
- DSM
9
12
你可以在数据框上使用列表推导式来计算列的频率，如下所示。
[my_series[c].value_counts() for c in list(my_series.select_dtypes(include=['O']).columns)]
故障分析：
my_series.select_dtypes(include=['O'])
选择仅为分类数据
list(my_series.select_dtypes(include=['O']).columns)
[my_series[c].value_counts() for c in list(my_series.select_dtypes(include=['O']).columns)]
遍历上面的列表，对每一列应用value_counts()
- Shankar ARUL
9
@DSM提供的答案简单明了，但我想为这个问题添加我的观点。如果您查看pandas.value_counts的代码，您会发现有很多内容。
如果您需要计算许多系列的频率，这可能需要一段时间。更快的实现方法是使用numpy.unique和
注意这里返回的是一个 pandas.Series。
相比之下，
您可以将它们组合成一个字典：
如果您需要计算许多系列的频率，这可能需要一段时间。更快的实现方法是使用numpy.unique和
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
注意这里返回的是一个 pandas.Series。
相比之下，
numpy.unique 返回一个包含两个元素的元组，分别为唯一值和计数。vals, counts = np.unique(my_series, return_counts=True)
print(vals, counts)
[1 2 3] [1 2 3]
您可以将它们组合成一个字典：
results = dict(zip(vals, counts))
print(results)
{1: 1, 2: 2, 3: 3}
然后转换为 pandas.Series
print(pd.Series(results))
1 1
2 2
3 3
dtype: int64
- Jon
2
对于具有过多值的变量频率分布，您可以将值合并到类中。
在这里，我针对employrate变量的过多值进行了处理，直接使用values_count(normalize=True)无法获得其频率分布的含义。
country employrate alcconsumption
0 Afghanistan 55.700001 .03
1 Albania 11.000000 7.29
2 Algeria 11.000000 .69
3 Andorra nan 10.17
4 Angola 75.699997 5.57
.. ... ... ...
208 Vietnam 71.000000 3.91
209 West Bank and Gaza 32.000000
210 Yemen, Rep. 39.000000 .2
211 Zambia 61.000000 3.56
212 Zimbabwe 66.800003 4.96
[213 rows x 3 columns]
使用values_count(normalize=True)进行频率分布，没有分类，结果长度为139（作为频率分布似乎没有意义）：
print(gm["employrate"].value_counts(sort=False,normalize=True))
50.500000 0.005618
61.500000 0.016854
46.000000 0.011236
64.500000 0.005618
63.500000 0.005618
58.599998 0.005618
63.799999 0.011236
63.200001 0.005618
65.599998 0.005618
68.300003 0.005618
Name: employrate, Length: 139, dtype: float64
将分类应用于所有具有特定范围的值，例如：
0-10作为1， 11-20作为2， 21-30作为3，以此类推。
gm["employrate"]=gm["employrate"].str.strip().dropna()
gm["employrate"]=pd.to_numeric(gm["employrate"])
gm['employrate'] = np.where(
(gm['employrate'] <=10) & (gm['employrate'] > 0) , 1, gm['employrate']
)
gm['employrate'] = np.where(
(gm['employrate'] <=20) & (gm['employrate'] > 10) , 1, gm['employrate']
)
gm['employrate'] = np.where(
(gm['employrate'] <=30) & (gm['employrate'] > 20) , 2, gm['employrate']
)
gm['employrate'] = np.where(
(gm['employrate'] <=40) & (gm['employrate'] > 30) , 3, gm['employrate']
)
gm['employrate'] = np.where(
(gm['employrate'] <=50) & (gm['employrate'] > 40) , 4, gm['employrate']
)
gm['employrate'] = np.where(
(gm['employrate'] <=60) & (gm['employrate'] > 50) , 5, gm['employrate']
)
gm['employrate'] = np.where(
(gm['employrate'] <=70) & (gm['employrate'] > 60) , 6, gm['employrate']
)
gm['employrate'] = np.where(
(gm['employrate'] <=80) & (gm['employrate'] > 70) , 7, gm['employrate']
)
gm['employrate'] = np.where(
(gm['employrate'] <=90) & (gm['employrate'] > 80) , 8, gm['employrate']
)
gm['employrate'] = np.where(
(gm['employrate'] <=100) & (gm['employrate'] > 90) , 9, gm['employrate']
)
print(gm["employrate"].value_counts(sort=False,normalize=True))
分类后，我们有了清晰的频率分布。
在这里，我们可以轻松地看到，37.64％的国家就业率在51-60％之间，
而11.79％的国家就业率在71-80％之间。
5.000000 0.376404
7.000000 0.117978
4.000000 0.179775
6.000000 0.264045
8.000000 0.033708
3.000000 0.028090
Name: employrate, dtype: float64
- Harshit Jain
网页内容由stack overflow 提供, 点击上面的可以查看英文原文，
原文链接
原文链接
.value_counts().sort_index(1)将数据按照第一列的顺序进行排序，避免第一列数据的顺序可能会略微失调。 - smcipd.value_counts(df.values.ravel())，它返回一个系列，其index和values属性分别包含唯一元素及其计数。 - Nickil Maveli