本文共 1764 字，大约阅读时间需要 5 分钟。

Pandas value_counts() 函数：5 个高效使用方法

在数据分析过程中，了解数据分布是非常重要的。Pandas库的value_counts()函数正是为了帮助数据分析者快速了解数据分布而设计的。默认情况下，这个函数可以返回数据框中各值的数量，但通过自定义参数，它的功能可以大大扩展。本文将介绍value_counts()函数的五种高效使用方法。

1. 默认参数下的 value_counts()

首先，我们来看value_counts()函数的默认使用方式。假设我们有如下数据：

data = {'Embarked': ['S', 'C', 'Q', 'S', 'C', 'Q', 'S']}

使用value_counts()函数时，可以直接对某一列进行分析：

from pandas import Series
counts = Series(data['Embarked']).value_counts()
print(counts)

输出结果如下：

S    3
C    2
Q    1

这个结果显示了每个值出现的次数，并且按降序排列。无效值（NaN）默认不会被包含在结果中。

2. 计算各值的相对频率

有时候，百分比比单纯的计数更能体现数据的相对关系。为了计算各值的相对频率，我们可以通过设置normalize=True参数来实现：

counts = Series(data['Embarked']).value_counts(normalize=True)
print(counts)

输出结果如下：

S    0.724409
C    0.188976
Q    0.086614

这样，我们可以直观地看到，Southampton（S）出发的比例最高，分别占72.44%、18.89%和8.66%。

3. 实现升序排序

默认情况下，value_counts()函数返回的结果是按降序排列的。如果我们希望结果按升序排列，只需设置ascending=True参数：

counts = Series(data['Embarked']).value_counts(ascending=True)
print(counts)

输出结果如下：

Q    1
C    2
S    3

这样，结果就按升序排列，显得更加直观。

4. 包含无效值的计数

默认情况下，value_counts()函数会忽略无效值（NaN），但有时我们也需要统计无效值的数量。为了实现这一点，可以设置dropna=False参数：

counts = Series(data['Embarked']).value_counts(dropna=False)
print(counts)

输出结果如下：

S    3
C    2
Q    1
NaN    0

这表明在当前数据集中，Embarked列中没有无效值。

5. 对连续数据进行区间化

value_counts()函数的一个非常实用的功能是对连续数据进行区间化（Binning）。当数据是连续型时，可以通过设置bins参数来指定区间数量：

from pandas import Series
# 使用默认的区间数量
data_fare = [7, 14.5, 23, 32, 42, 51, 60, 68, 82, 97, 114, 126, 138]
fare_counts = Series(data_fare).value_counts(bins=7)
print(fare_counts)

输出结果如下：

0-7  1
7-14  1
14-23  1
23-32  2
32-42  3
42-51  2
51-60  1
60-68  1
68-82  2
82-97  1
97-114  1
114-126  1
126-138  1

通过区间化，我们可以清晰地看到数据分布情况。例如，大多数乘客的票价在32到42美元之间。

总结

value_counts()函数是一个非常强大的工具，通过自定义参数可以实现多种功能。无论是统计值的数量、计算百分比，还是对连续数据进行区间化，这些方法都能帮助我们更好地理解数据分布。希望这些建议能为你的数据分析之旅带来帮助！

转载地址：http://iivfk.baihongyu.com/