pandas.Series.value_counts

pandas.Series.value_counts

Series.value_counts(normalize=False, sort=True, ascending=False, bins=None, dropna=True)

功能：返回包含唯一值计数的对象。结果对象将按降序排列，以便第一个元素是最常出现的元素。 不包括默认的NA值。

参数：normalize : boolean, default False             如果为True，则返回的对象将包含唯一值的相对频率。

　　　sort : boolean, default True                        按值排序

　　　ascending : boolean, default False            按升序排序

　　　bins : integer, optional                                 而不是数值计算，把它们分成半开放的箱子，一个方便的pd.cut，只适用于数字数据

　　　dropna : boolean, default True                   不包括NaN的数量。

返回：计数：Serise

• Series 情况下

 import numpy as np
 import pandas as pd
 from pandas import DataFrame
 from pandas import Series
 ss = Series(['Tokyo', 'Nagoya', 'Nagoya', 'Osaka', 'Tokyo', 'Tokyo'])
 ss.value_counts()   #value_counts 直接用来计算series里面相同数据出现的频率

Tokyo     3
Nagoya    2
Osaka     1
dtype: int64

• DataFrame 情况下

 import numpy as np
 import pandas as pd
 from pandas import DataFrame
 from pandas import Series
 df=DataFrame({'a':['Tokyo','Osaka','Nagoya','Osaka','Tokyo','Tokyo'],'b':['Osaka','Osaka','Osaka','Tokyo','Tokyo','Tokyo']})       #DataFrame用来输入两列数据，同时value_counts将每列中相同的数据频率计算出来
 print(df)

df：

       a      b
0   Tokyo  Osaka
1   Osaka  Osaka
2  Nagoya  Osaka
3   Osaka  Tokyo
4   Tokyo  Tokyo
5   Tokyo  Tokyo

 df.apply(pd.value_counts)
             a    b
 Nagoya    1    NaN           #在b列中meiynagoya，因此是用NaN 表示。
 Osaka    2    3.0
 Tokyo    3    3.0