Python|熊猫 Index.value_counts()

Python是一种用于进行数据分析的出色语言，主要是因为以数据为中心的Python包的奇妙生态系统。 Pandas就是其中之一，它使导入和分析数据变得更加容易。
Pandas Index.value_counts()函数返回包含唯一值计数的对象。结果对象将按降序排列，因此第一个元素是最常出现的元素。默认情况下排除 NA 值。

Syntax: Index.value_counts(normalize=False, sort=True, ascending=False, bins=None, dropna=True)
Parameters : 
normalize : If True then the object returned will contain the relative frequencies of the unique values. 
sort : Sort by values 
ascending : Sort in ascending order 
bins : Rather than count values, group them into half-open bins, a convenience for pd.cut, only works with numeric data 
dropna : Don’t include counts of NaN.
Returns : counts : Series 
 

示例 #1：使用 Index.value_counts()函数计算给定索引中唯一值的数量。

Python3

# importing pandas as pd
import pandas as pd
 
# Creating the index
idx = pd.Index(['Harry', 'Mike', 'Arther', 'Nick',
                'Harry', 'Arther'], name ='Student')
 
# Print the Index
print(idx)

输出 ：

Index(['Harry', 'Mike', 'Arther', 'Nick', 'Harry', 'Arther'], dtype='object', name='Student')

让我们找出索引中所有唯一值的计数。

Python3

# find the count of unique values in the index
idx.value_counts()

输出 ：

Harry     2
Arther    2
Nick      1
Mike      1
Name: Student, dtype: int64

该函数已返回给定索引中所有唯一值的计数。请注意，函数返回的对象包含按降序出现的值。示例 #2：使用 Index.value_counts()函数查找给定索引中所有唯一值的计数。

Python3

# importing pandas as pd
import pandas as pd
 
# Creating the index
idx = pd.Index([21, 10, 30, 40, 50, 10, 50])
 
# Print the Index
print(idx)

输出 ：

Int64Index([21, 10, 30, 40, 50, 10, 50], dtype='int64')

让我们计算索引中所有唯一值的出现次数。

Python3

# for finding the count of all
# unique values in the index.
idx.value_counts()

输出 ：

10    2
50    2
30    1
21    1
40    1
dtype: int64

该函数已返回索引中所有唯一值的计数。