唯一值 pandas 的相对频率 - Python

当我们需要对数据集的唯一值进行相对频率分析时，可以使用 pandas 中的 value_counts() 方法。

准备数据

首先，我们需要准备一些数据来进行分析。这里我们使用一个包含学生年级信息的数据集来作为例子。

import pandas as pd

# 创建数据集
df = pd.DataFrame({
    'Grade': ['A', 'B', 'C', 'C', 'A', 'B', 'B', 'C', 'A', 'A']
})

这里我们创建了一个包含 10 条记录的 DataFrame，其中 Grade 列表示学生的年级。

计算相对频率

有了数据之后，我们可以调用 value_counts() 方法来计算每个唯一值出现的次数。代码如下：

# 计算每个唯一值的次数
counts = df['Grade'].value_counts()

# 计算每个唯一值的相对频率
freq = counts / counts.sum()

# 打印结果
print(freq)

这段代码会输出每个唯一值的相对频率：

A    0.4
B    0.3
C    0.3
Name: Grade, dtype: float64

结论

从输出的结果可以看出，学生年级的相对频率为：A 的占 40%，B 的占 30%，C 的占 30%。这对于了解数据分布情况非常有用。

结语

以上就是使用 pandas 计算唯一值相对频率的方法。使用这种方法可以快速计算出每个唯一值的相对频率，并对数据分布进行分析和可视化。