python频数统计和groupby方法

• 频数统计
• 可能的需求1：对DataFrame中所有的value进行频数统计
• 可能的需求2：对某一列进行频数统计

频数统计

先用字典类型的数据创建一个DataFrame，test_data

import pandas as pd
test_data = pd.DataFrame({
'x1': ["a", "b", "c", "b"],
"x2": [1, 2, 3, 4],
"x3": [4, 3, 2, 1]
})
test_data

显示结果
😢显示效果实在是太丑了，做笔记就这么看吧

可能的需求1：对DataFrame中所有的value进行频数统计

首先频数统计的话，什么方法比较好呢，查！
关键词：unique counts
unique counts site::https://pandas.pydata.org
搜索结果是：value_counts
“Return a Series containing counts of unique values.”

可以用这个方法的数据类型包括：SeriesGroupBy，Index，Series
test_data的数据类型是DataFrame
test_data.values的数据类型是array
Series是增强版的一维数组，而test_data.values是多维的array，是不能直接生成Series的。

array([['a', 1, 4],
['b', 2, 3],
['c', 3, 2],
['b', 4, 1]], dtype=object)

所以要进行一些处理：
melt(self[, id_vars, value_vars, var_name, …])

Unpivot a DataFrame from wide to long format, optionally leaving identifiers set.
melt可以unpivot DataFrame，可以选择留下列名，把所有的列混合在一起，列名作为行名，再通过DataFrame的索引方法就可以把包括values的那一列提取出来，数据类型为Series，可以用value_counts方法。

test_data.melt()#要对全部的values进行频数统计，先将数据melt一下

type(test_data.melt()['value'])#melt以后的数据类型为Series，可以用Series的value_counts方法进行频数统计

pandas.core.series.Series

test_data.melt()['value'].value_counts()#对表里面所有的数据进行频数统计

b    2
4    2
3    2
2    2
1    2
c    1
a    1
Name: value, dtype: int64

可能的需求2：对某一列进行频数统计

这个就很简单了，直接取出列数据，类型是Series，用value_counts方法统计频数就好。

test_data.x1.value_counts()#对x1列进行频数统计

b    2
a    1
c    1
Name: x1, dtype: int64

groupby方法

groupby方法是比较细致的分组统计方法，主要的参数是by和level
其中by是设定标签进行group
而level是设定通过索引的位置进行group
groupby返回的类型是<pandas.core.groupby.generic.DataFrameGroupBy>
有很多的方法可以使用，比如count, cumsum, sum, size 等。

test_data.groupby(by='x1').count()#通过x1对数据进行分组统计

test_data.groupby(by='x1').sum()#通过x1对数据进行分组求和

test_data.groupby(by='x1').size()#通过x1对数据进行分组,查看分组size

x1
a    1
b    2
c    1
dtype: int64

test_data.groupby(by=['x1', 'x2']).count()#先按x1分组，再按x2分组

test_data.groupby(by=['x2', 'x1']).count()#先按x2分组，再按x1分组

b = test_data.groupby(by=['x1', 'x2']).count()#b现在有multiIndex,可以试试level参数
b.groupby(level=0).count()#level=0，按最外层的index分组

b.groupby(level=1).count()#level=1，按往里一层index分组

b.groupby(level=-1).count()#index的index也可以反着来

• 点赞
• 收藏
• 分享
• 文章举报