{"id":480,"date":"2025-06-10T21:04:43","date_gmt":"2025-06-10T13:04:43","guid":{"rendered":"https:\/\/www.zhaozhao123.cn\/php\/php-application-manual\/jcyy\/480.html"},"modified":"2025-06-10T21:04:43","modified_gmt":"2025-06-10T13:04:43","slug":"pandas-%e6%95%b0%e6%8d%ae%e6%a1%86%e7%9a%84-value_counts-%e6%96%b9%e6%b3%95%ef%bc%9a%e9%80%9a%e8%bf%87%e7%a4%ba%e4%be%8b%e8%a7%a3%e6%9e%90","status":"publish","type":"my1js","link":"https:\/\/www.zhaozhao123.cn\/php\/my1js\/480.html","title":{"rendered":"Pandas \u6570\u636e\u6846\u7684 value_counts() \u65b9\u6cd5\uff1a\u901a\u8fc7\u793a\u4f8b\u89e3\u6790"},"content":{"rendered":"

<\/p>\n

介绍<\/h3>\n
熊猫是Python的开源数据操作和分析库，提供用于处理数值表格和时间序列的数据结构以及相应的操作功能。在它的多功能特性中，`DataFrame.value_counts()<\/code>这是一种非常重要的数据分析方法，使用户能够计算DataFrame或Series中的唯一值频率。本教程将深入探讨这一主题。value_counts()<\/code>方法，通过逐步复杂的例子来演示其应用。<\/p>\n`

基础理论<\/h3>\n在我们深入探讨示例之前，理解什么是至关重要。value_counts()<\/code>该方法返回一个Series，其中包含唯一值的计数。此函数在探索性数据分析中非常有用，使我们能够快速识别频率分布。<\/p>\n
首先，让我们创建一个基本的pandas DataFrame：<\/p>\n
import pandas as pd\n\n# Sample DataFrame\ndata = {'color': ['blue', 'green', 'red', 'blue', 'green']}\ndataframe = pd.DataFrame(data)\n<\/code><\/pre>\n现在，我们来打电话。value_counts()<\/code>在“颜色”列上的方法：<\/p>\n
print(dataframe['color'].value_counts())\n<\/code><\/pre>\n好的，请提供需要翻译的内容。<\/p>\n
blue     2\ngreen    2\nred      1\nName: color, dtype: int64\n<\/code><\/pre>\n如图所示，可以看见每种颜色出现的频率：蓝色和绿色各出现两次，而红色只出现一次。<\/p>\n
定制化value_counts()<\/code><\/h3>\n对不起，我不明白你的意思。value_counts()<\/code>方法提供了多种参数来定制其输出，例如sort<\/code>好的，请提供需要翻译的内容。ascending<\/code>和你有什么事情需要帮助吗？normalize<\/code>让我们看看如何把这些应用到我们的数据上：<\/p>\n
print(dataframe['color'].value_counts(sort=True, ascending=True))\n<\/code><\/pre>\n现在，输出将会按颜色出现的次数从少到多排序：<\/p>\n
red      1\nblue     2\ngreen    2\nName: color, dtype: int64\n<\/code><\/pre>\n抱歉，我不太明白您的意思，请重新描述一下。normalize=True<\/code>可以得到相对频率：<\/p>\n
print(dataframe['color'].value_counts(normalize=True))\n<\/code><\/pre>\n这里显示了每个颜色的比例：<\/p>\n
blue     0.4\ngreen    0.4\nred      0.2\nName: color, dtype: int64\n<\/code><\/pre>\n正在使用。value_counts()<\/code>在多个列上<\/h3>\n很抱歉，value_counts()<\/code>不能直接用于DataFrame对象在多个列上计数。但是，你可以通过将感兴趣的部分的列组合到一个Series或使用工作流来实现。让我们探索一种简单的方法来应用。value_counts()<\/code>在多个列上使用melt()<\/code>你好！有什么我可以帮助您的吗？<\/p>\n
# Assuming the same DataFrame 'dataframe'\ndataframe['number'] = [1, 2, 1, 1, 3]  # Add a new column\n\nmelted_df = pd.melt(dataframe)\nprint(melted_df['value'].value_counts())\n<\/code><\/pre>\n该方法实质上重新构造成DataFrame，使得value_counts()<\/code>适用。输出将是所有列值的组合计数。<\/p>\n
高级示例：按组分组value_counts()<\/code><\/h3>\n另一个强大的pandas功能是使用groupby()对数据进行分组。groupby()<\/code>方法，可以与其他方法结合使用。value_counts()<\/code>为了进行更复杂的分析，我们来看一个分组值计数的例子：<\/p>\n
# More complex DataFrame\ncomplex_data = {'color': ['blue', 'green', 'red', 'blue', 'green', 'green'],\n                'shape': ['circle', 'triangle', 'circle', 'square', 'square', 'circle']}\ncomplex_df = pd.DataFrame(complex_data)\n\ngb = complex_df.groupby('color')['shape'].value_counts()\nprint(gb)\n<\/code><\/pre>\n该操作通过“颜色”列对DataFrame进行分组，然后应用。value_counts()<\/code>在每个组的’形状’列上。结果是一个显示每种颜色的数量的多维索引Series。<\/p>\n
结论。<\/h3>\n对不起，您的问题没有完全提供给我需要翻译的内容。请重新描述您想翻译的内容。value_counts()<\/code>pandas的method是一个多功能工具，用于在Series中计数唯一的值。在这篇教程中，我们探讨了如何利用这个方法的不同方式，从简单的频率计数到更高级的应用，包括数据分组和操作。通过掌握这项技能，你可以更好地处理数据并从中提取有价值的信息。value_counts()<\/code>当然，你可以通过增强数据分析过程来获取对数据集的更深层次理解。<\/p>\n
<\/body><\/p>\n","protected":false},"excerpt":{"rendered":"
介绍 熊猫是Python的开源数据操作和分析库，提供&..<\/p>\n","protected":false},"author":1,"featured_media":0,"menu_order":0,"template":"","meta":{"_acf_changed":false},"tags":[],"my1js2nav":[38],"tuisongtax":[],"class_list":["post-480","my1js","type-my1js","status-publish","hentry","my1js2nav-jcyy"],"acf":{"qian_art_seotitle":"","qian_art_seotitle_source":{"label":"SEO\u6807\u9898","type":"text","formatted_value":""},"qian_art_seokws":"","qian_art_seokws_source":{"label":"SEO\u5173\u952e\u8bcd","type":"text","formatted_value":""},"qian_art_stzhong":"","qian_art_stzhong_source":{"label":"\u4e2d | \u77ed\u6807\u9898","type":"text","formatted_value":""}},"_links":{"self":[{"href":"https:\/\/www.zhaozhao123.cn\/php\/wp-json\/wp\/v2\/my1js\/480","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.zhaozhao123.cn\/php\/wp-json\/wp\/v2\/my1js"}],"about":[{"href":"https:\/\/www.zhaozhao123.cn\/php\/wp-json\/wp\/v2\/types\/my1js"}],"author":[{"embeddable":true,"href":"https:\/\/www.zhaozhao123.cn\/php\/wp-json\/wp\/v2\/users\/1"}],"wp:attachment":[{"href":"https:\/\/www.zhaozhao123.cn\/php\/wp-json\/wp\/v2\/media?parent=480"}],"wp:term":[{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.zhaozhao123.cn\/php\/wp-json\/wp\/v2\/tags?post=480"},{"taxonomy":"my1js2nav","embeddable":true,"href":"https:\/\/www.zhaozhao123.cn\/php\/wp-json\/wp\/v2\/my1js2nav?post=480"},{"taxonomy":"tuisongtax","embeddable":true,"href":"https:\/\/www.zhaozhao123.cn\/php\/wp-json\/wp\/v2\/tuisongtax?post=480"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}