9个value_counts()的小技巧，提高Pandas 数据分析效率

来源：DeepHub IMBA
本文约1800字，建议阅读5分钟 我们将探讨 Pandas value_counts() 的不同用例。

数据科学家通常将大部分时间花在探索和预处理数据上。当谈到数据分析和理解数据结构时，Pandas value_counts() 是最受欢迎的函数之一。该函数返回一个包含唯一值计数的系列。生成的Series可以按降序或升序排序，通过参数控制包括或排除NA。

在本文中，我们将探讨 Pandas value_counts() 的不同用例。您将学习如何使用它来处理以下常见任务。

1. 默认参数
2. 按升序对结果进行排序
3. 按字母顺序排列结果
4. 结果中包含空值
5. 以百分比计数显示结果
6. 将连续数据分入离散区间
7. 分组并调用 value_counts()
8. 将结果系列转换为 DataFrame
9. 应用于DataFrame

1、默认参数

Pandas value_counts() 函数返回一个包含唯一值计数的系列。默认情况下，结果系列按降序排列，不包含任何 NA 值。例如，让我们从 Titanic 数据集中获取“Embarked”列的计数。

 >>> df['Embarked'].value_counts()
 
 S   644
 C   168
 Q     77
 Name: Embarked, dtype: int64

2、按升序对结果进行排序

value_count() 返回的系列默认按降序排列。对于升序结果，我们可以将参数升序设置为 True。

 >>> df['Embarked'].value_counts(ascending=True)
 
 Q     77
 C   168
 S   644
 Name: Embarked, dtype: int64

3、按字母顺序排列结果

我们已经学习了参数升序以获得按值计数 ASC 或 DESC 排序的结果。在某些情况下，最好按字母顺序显示我们的结果。这可以通过在 value_counts() 之后调用 sort_index(ascending=True) 来完成，例如

 >>> df['Embarked'].value_counts(ascending=True).sort_index(ascending=True)
 
 C   168
 Q     77
 S   644
 Name: Embarked, dtype: int64

4、包括结果中的 NA

默认情况下，结果中会忽略包含任何 NA 值的行。有一个参数 dropna 来配置它。我们可以将该值设置为 False 以包含 NA 的行数。

 df['Embarked'].value_counts(dropna=False)
 S     644
 C     168
 Q       77
 NaN     2
 Name: Embarked, dtype: int64

5、以百分比计数显示结果

在进行探索性数据分析时，有时查看唯一值的百分比计数会更有用。这可以通过将参数 normalize 设置为 True 来完成，例如：

 df['Embarked'].value_counts(normalize=True)
 
 S   0.724409
 C   0.188976
 Q   0.086614
 Name: Embarked, dtype: float64

如果我们更喜欢用百分号 (%) 格式化结果，我们可以设置 Pandas 显示选项如下：

 >>> pd.set_option('display.float_format', '{:.2f}%'.format)
 >>> df['Embarked'].value_counts(normalize = True)
 
 S   0.72%
 C   0.19%
 Q   0.09%
 Name: Embarked, dtype: float64

6、将连续数据分入离散区间

Pandas value_counts() 可用于使用 bin 参数将连续数据分入离散区间。与 Pandas cut() 函数类似，我们可以将整数或列表传递给 bin 参数。

当整数传递给 bin 时，该函数会将连续值离散化为大小相等的 bin，例如：

 >>> df['Fare'].value_counts(bins=3)
 (-0.513, 170.776]     871
 (170.776, 341.553]     17
 (341.553, 512.329]     3
 Name: Fare, dtype: int64

当列表传递给 bin 时，该函数会将连续值划分为自定义组，例如：

 >>> df['Fare'].value_counts(bins=[-1, 20, 100, 550])
 (-1.001, 20.0]   515
 (20.0, 100.0]     323
 (100.0, 550.0]     53
 Name: Fare, dtype: int64

7、分组并执行 value_counts()

Pandas groupby() 允许我们将数据分成不同的组来执行计算以进行更好的分析。一个常见的用例是按某个列分组，然后获取另一列的唯一值的计数。例如，让我们按“Embarked”列分组并获取不同“Sex”值的计数。

 >>> df.groupby('Embarked')['Sex'].value_counts()
 
 Embarked Sex   
 C         male       95
          female     73
 Q         male       41
          female     36
 S         male     441
          female   203
 Name: Sex, dtype: int64

8、将结果系列转换为 DataFrame

Pandas value_counts() 返回一个Series，包括前面带有 MultiIndex 的示例。如果我们希望我们的结果显示为 DataFrame，我们可以在 value_count() 之后调用 to_frame()。

 >>> df.groupby('Embarked')['Sex'].value_counts().to_frame()

9、应用于DataFrame

到目前为止，我们一直将 value_counts() 应用于 Pandas Series，在 Pandas DataFrame 中有一个等效的方法。Pandas DataFrame.value_counts() 返回一个包含 DataFrame 中唯一行计数的系列。

让我们看一个例子来更好地理解它：

 df = pd.DataFrame({
    'num_legs': [2, 4, 4, 6],
    'num_wings': [2, 0, 0, 0]},
    index=['falcon', 'dog', 'cat', 'ant']
 )
 >>> df.value_counts()
 
 num_legs num_wings
 4         0           2
 6         0           1
 2         2           1
 dtype: int64

通过在 df 上调用 value_counts()，它返回一个以 num_legs 和 num_wings 作为索引的 MultiIndex 系列。从结果中，我们可以发现有 2 条记录的 num_legs=4 和 num_wing=0。

同样，我们可以调用 to_frame() 将结果转换为 DataFrame

 >>> df.value_counts().to_frame()

总结

在本文中，我们探讨了 Pandas value_counts() 的不同用例。我希望这篇文章能帮助你节省学习 Pandas 的时间。我建议您查看 value_counts() API 的文档并了解您可以做的其他事情。

谢谢阅读。本文代码在这里：

https://github.com/BindiChen/machine-learning/blob/master/data-analysis/046-pandas-value_counts/pandas-value_counts.ipynb

编辑：文婧

校对：林亦霖