前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >一键提升数据挖掘姿势水平,5种高效利用value-counts函数的方法

一键提升数据挖掘姿势水平,5种高效利用value-counts函数的方法

作者头像
CDA数据分析师
发布2019-11-29 13:16:31
8530
发布2019-11-29 13:16:31
举报
文章被收录于专栏:CDA数据分析师
作者:Parul Pandey 编译:王子嘉

本文转自机器之心

数据挖掘是机器学习领域的一个重要组成部分。在确定训练哪种模型以及训练多少模型之前,我们必须对数据包含的内容有所了解。Pandas 库为此提供了许多有用的函数,value_counts 就是其中之一。此函数返回 pandas 数据框中各个项的数量。但在使用 value-counts 函数的大多数时候用到的是默认参数。因此,在这篇短文中,作者介绍了如何通过自定义参数来实现更多的功能。

value_counts()

value_counts() 方法返回一个序列 Series,该序列包含每个值的数量。也就是说,对于数据框中的任何列,value-counts () 方法会返回该列每个项的计数。

语法

代码语言:javascript
复制
Series.value_counts()

参数

图源:https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.Series.value_counts.html

基本用法

作者通过以下数据集来观察 value-count () 函数的基本用法,其中 Demo 中使用了 Titanic 数据集。她还在 Kaggle 上发布了一个配套的 notebook。

代码链接:https://www.kaggle.com/parulpandey/five-ways-to-use values -counts

导入数据集

首先导入必要的库和数据集,这是每个数据分析流程的基本步骤。

代码语言:javascript
复制
# Importing necessary librariesimport pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline# Reading in the data
train = pd.read_csv('../input/titanic/train.csv')

了解数据集的前几行内容

代码语言:javascript
复制
train.head()

统计无效值数量

代码语言:javascript
复制
train.isnull().sum()

由上图可见,Age、Cabin 和 Embarked 列都有无效值。通过这些分析,我们就对数据集有了初步的了解。现在就让我们来看一下 value_counts() 是如何对这个数据集进行进一步探索的,那 5 个高效方法又是什么呢?

默认参数值下的 value_counts()

首先在数据集的 Embarked 列上使用 value_counts (),这样会对该列中出现的每个值进行计数。

代码语言:javascript
复制
train['Embarked'].value_counts()
-------------------------------------------------------------------
S 644
C 168
Q 77

这个函数会对给定列里面的每个值进行计数并进行降序排序,无效值也会被排除。我们很容易就能看出,Southampton 出发的人最多,其次是 Cherbourg 和 Queenstown。

如何用 value_counts() 求各个值的相对频率

有时候,百分比比单纯计数更能体现数量的相对关系。当 normalize = True 时,返回的对象将包含各个值的相对频率。默认情况下,normalize 参数被设为 False。

代码语言:javascript
复制
train['Embarked'].value_counts(normalize=True)
-------------------------------------------------------------------
S 0.724409
C 0.188976
Q 0.086614

因此,知道有 72% 的人从 Southampton 出发比单纯知道 644 个人从 Southampton 出发要直观得多。

如何实现升序的 value_counts()

默认情况下,value_counts () 返回的序列是降序的。我们只需要把参数 ascending 设置为 True,就可以把顺序变成升序。

代码语言:javascript
复制
train['Embarked'].value_counts(ascending=True)
-------------------------------------------------------------------
Q 77
C 168
S 644

如何用 value_counts() 展示 NaN 值的计数

默认情况下,无效值(NaN)是不会被包含在结果中的。但是跟之前一样的,只需要把 dropna 参数设置成 False,你也就可以对无效值进行计数。

代码语言:javascript
复制
train['Embarked'].value_counts(dropna=False)
-------------------------------------------------------------------
S 644
C 168
Q 77
NaN 2

我们可以很直观地观察到该列内有两个无效值。

如何用 value_counts() 将连续数据放进离散区间

这是 value_counts() 所有功能中作者最喜欢的,也是利用最充分的。改变参数 bin 的值,value_counts 就可以将连续数据放进离散区间。这个选项只有当数据是数字型时才会有用。它跟 pd.cut 函数很像,让我们来看一下它是如何在 Fare 这一列大显身手的吧!

代码语言:javascript
复制
# applying value_counts on a numerical column without the bin parametertrain['Fare'].value_counts()

这个结果并不能告诉我们什么信息,因为类别太多了。所以让我们把它集合到 7 个区间里。

代码语言:javascript
复制
train['Fare'].value_counts(bins=7)

区间化(Binning)之后的结果更容易理解。我们可以很容易地看到,大多数人支付的票款低于 73.19。此外,我们还可以发现,有五个区间是我们需要的,并且没有乘客的最后两个区间是没用的。

因此,我们可以看到,value_counts() 函数是一个非常方便的工具,我们可以使用这一行代码进行一些有趣的分析。

原文链接:

https://towardsdatascience.com/getting-more-value-from-the-pandas-value-counts-aa17230907a6

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2019-11-26,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 CDA数据分析师 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档