단일 변수에 대한 빈도 표


97

오늘의 마지막 초보자 팬더 질문 : 단일 시리즈에 대한 테이블을 어떻게 생성합니까?

예를 들면 :

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

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

많은 인터넷 검색이 나를 Series.describe () 및 pandas.crosstabs로 이끌었지만 둘 중 어느 것도 내가 필요한 것을 수행하지 않습니다. 하나의 변수, 카테고리별로 계산. 아, 문자열, 정수 등 다양한 데이터 유형에서 작동하면 좋을 것입니다.

답변:


153

어쩌면 .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}

5
.value_counts().sort_index(1), 첫 번째 열의 순서가 약간
어긋나는

9
시리즈가 아닌 DataFrame에 해당하는 것이 있습니까? 나는 df에서 .value_counts ()를 실행 해 보았고AttributeError: 'DataFrame' object has no attribute 'value_counts'
Mittenchops

1
이 개수를 비율로 쉽게 변환 할 수있는 방법이 있습니까?
dsaxton

7
@dsaxton .value_counts (normalize = True)를 사용하여 결과를 비율로 변환 할 수 있습니다.
Max Power

2
대신 데이터 프레임에서 이것을 사용하려면 동일한 1D numpy 배열 표현으로 변환하십시오. 예를 들면- 및 속성에 각각 고유 요소와 개수가 포함 pd.value_counts(df.values.ravel())된 계열을 반환합니다 . indexvalues
Nickil Maveli

11

데이터 프레임에서 목록 이해를 사용하여 열의 빈도를 계산할 수 있습니다.

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

고장:

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

범주 형 데이터 만 선택합니다.

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

위의 열을 목록으로 바꿉니다.

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

위의 목록을 반복하고 각 열에 value_counts ()를 적용합니다.


5

@DSM이 제공하는 대답은 간단하고 간단하지만이 질문에 내 의견을 추가 할 것이라고 생각했습니다. pandas.value_counts 의 코드를 보면 많은 일이 진행되고 있음을 알 수 있습니다.

많은 시리즈의 빈도를 계산해야하는 경우 시간이 걸릴 수 있습니다. 더 빠른 구현은 numpy.uniquereturn_counts = True

다음은 예입니다.

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

여기서 반환 된 항목은 pandas입니다.

이에 비해 numpy.unique고유 값과 개수라는 ​​두 항목이있는 튜플을 반환합니다.

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

그런 다음이를 사전으로 결합 할 수 있습니다.

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

그리고 pandas.Series

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

0

과도한 값을 가진 변수의 빈도 분포를 위해 클래스의 값을 축소 할 수 있습니다.

여기서는 employrate변수에 대한 값이 과도합니다.이 변수의 빈도 분포는 의미가 없습니다.values_count(normalize=True)

                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]

values_count(normalize=True)분류가없는 빈도 분포 , 여기서 결과 길이는 139입니다 (빈도 분포로 무의미한 것 같습니다).

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

분류를 넣어 우리는 특정 범위 즉, 모든 값을 넣습니다.

0-10을 1로,
11-20을 2로  
21-30을 3으로, 등등.
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))

분류 후에는 명확한 빈도 분포가 있습니다. 여기에 우리가 쉽게 것을 볼 수 있습니다 37.64%나라 사이의 고용 비율이의 51-60%11.79%국가의 고용 비율 사이가71-80%

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
당사 사이트를 사용함과 동시에 당사의 쿠키 정책개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.