Mam zestaw danych

|category|
cat a
cat b
cat a

Chciałbym móc zwrócić coś takiego (pokazując unikalne wartości i częstotliwość)

category | freq |
cat a       2
cat b       1

Użyj groupbyi count:

In [37]:
df = pd.DataFrame({'a':list('abssbab')})
df.groupby('a').count()

Out[37]:

   a
a   
a  2
b  3
s  2

[3 rows x 1 columns]

Zobacz dokumenty online: http://pandas.pydata.org/pandas-docs/stable/groupby.html

Również value_counts()jako @DSM skomentował, wiele sposobów na skórę kota tutaj

In [38]:
df['a'].value_counts()

Out[38]:

b    3
a    2
s    2
dtype: int64

Jeśli chcesz dodać częstotliwość z powrotem do oryginalnej ramki danych, użyj przycisku, transformaby zwrócić wyrównany indeks:

In [41]:
df['freq'] = df.groupby('a')['a'].transform('count')
df

Out[41]:

   a freq
0  a    2
1  b    3
2  s    2
3  s    2
4  b    3
5  a    2
6  b    3

[7 rows x 2 columns]

Jeśli chcesz zastosować do wszystkich kolumn, możesz użyć:

df.apply(pd.value_counts)

Spowoduje to zastosowanie funkcji agregacji opartej na kolumnach (w tym przypadku value_counts) do każdej kolumny.

df.category.value_counts()

Ten krótki wiersz kodu daje pożądane wyniki.

Jeśli nazwa kolumny zawiera spacje, których możesz użyć

df['category'].value_counts()

df.apply(pd.value_counts).fillna(0)

value_counts - Zwraca obiekt zawierający liczbę unikalnych wartości

zastosowanie - policz częstotliwość w każdej kolumnie. Jeśli ustawisz axis=1, otrzymasz częstotliwość w każdym rzędzie

fillna (0) - spraw, aby wyjście było bardziej fantazyjne. Zmieniono NaN na 0

W 0.18.1 groupbyrazem z countnie podaje częstotliwości unikalnych wartości:

>>> df
   a
0  a
1  b
2  s
3  s
4  b
5  a
6  b

>>> df.groupby('a').count()
Empty DataFrame
Columns: []
Index: [a, b, s]

Jednak unikalne wartości i ich częstotliwości można łatwo ustalić za pomocą size:

>>> df.groupby('a').size()
a
a    2
b    3
s    2

W przypadku df.a.value_counts()wartości posortowanych (w kolejności malejącej, tzn. Najpierw największej wartości) zwracane są domyślnie.

Korzystanie ze zrozumienia listy i wartości_liczb dla wielu kolumn w pliku df

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

https://stackoverflow.com/a/28192263/786326

Jeśli twoja DataFrame ma wartości tego samego typu, możesz również ustawić return_counts=Truew numpy.unique () .

index, counts = np.unique(df.values,return_counts=True)

np.bincount () może być szybszy, jeśli twoje wartości są liczbami całkowitymi.

Bez bibliotek możesz to zrobić zamiast:

def to_frequency_table(data):
    frequencytable = {}
    for key in data:
        if key in frequencytable:
            frequencytable[key] += 1
        else:
            frequencytable[key] = 1
    return frequencytable

Przykład:

to_frequency_table([1,1,1,1,2,3,4,4])
>>> {1: 4, 2: 1, 3: 1, 4: 2}

Możesz to również zrobić z pandami, nadając najpierw swoje kolumny jako kategorie, np. dtype="category"Np

cats = ['client', 'hotel', 'currency', 'ota', 'user_country']

df[cats] = df[cats].astype('category')

a następnie dzwoniąc describe:

df[cats].describe()

To da ci fajną tabelę wartości i trochę więcej :):

    client  hotel   currency    ota user_country
count   852845  852845  852845  852845  852845
unique  2554    17477   132 14  219
top 2198    13202   USD Hades   US
freq    102562  8847    516500  242734  340992

n_values = data.income.value_counts()

Liczy się pierwsza unikalna wartość

n_at_most_50k = n_values[0]

Liczy się druga unikalna wartość

n_greater_50k = n_values[1]

n_values

Wynik:

<=50K    34014
>50K     11208

Name: income, dtype: int64

Wynik:

n_greater_50k,n_at_most_50k:-
(11208, 34014)

@metatoaster już to zauważył. Idź do Counter. Płonie szybko.

import pandas as pd
from collections import Counter
import timeit
import numpy as np

df = pd.DataFrame(np.random.randint(1, 10000, (100, 2)), columns=["NumA", "NumB"])

Timery

%timeit -n 10000 df['NumA'].value_counts()
# 10000 loops, best of 3: 715 µs per loop

%timeit -n 10000 df['NumA'].value_counts().to_dict()
# 10000 loops, best of 3: 796 µs per loop

%timeit -n 10000 Counter(df['NumA'])
# 10000 loops, best of 3: 74 µs per loop

%timeit -n 10000 df.groupby(['NumA']).count()
# 10000 loops, best of 3: 1.29 ms per loop

Twoje zdrowie!

Użyj tego kodu:

import numpy as np
np.unique(df['a'],return_counts=True)

your data:

|category|
cat a
cat b
cat a

rozwiązanie:

 df['freq'] = df.groupby('category')['category'].transform('count')
 df =  df.drop_duplicates()

Uważam, że powinno to działać poprawnie dla każdej listy kolumn DataFrame.

def column_list(x):
    column_list_df = []
    for col_name in x.columns:
        y = col_name, len(x[col_name].unique())
        column_list_df.append(y)
return pd.DataFrame(column_list_df)

column_list_df.rename(columns={0: "Feature", 1: "Value_count"})

Funkcja „lista_kolumnowa” sprawdza nazwy kolumn, a następnie sprawdza unikalność każdej wartości kolumny.