Tek değişken için frekans tablosu


98

Gün için son bir acemi panda sorusu: Tek bir Seri için nasıl masa oluşturabilirim?

Örneğin:

my_series = pandas.Series([1,2,2,3,3,3])
pandas.magical_frequency_function( my_series )

>> {
     1 : 1,
     2 : 2, 
     3 : 3
   }

Pek çok googling beni Series.describe () ve pandas.crosstabs uygulamalarına yönlendirdi, ancak bunların hiçbiri ihtiyacım olan şeyi tam olarak yapmıyor: bir değişken, kategorilere göre sayılıyor. Oh, ve farklı veri türleri için çalışsaydı güzel olurdu: dizeler, ints vb.

Yanıtlar:


153

Belki .value_counts()?

>>> import pandas
>>> my_series = pandas.Series([1,2,2,3,3,3, "fred", 1.8, 1.8])
>>> my_series
0       1
1       2
2       2
3       3
4       3
5       3
6    fred
7     1.8
8     1.8
>>> counts = my_series.value_counts()
>>> counts
3       3
2       2
1.8     2
fred    1
1       1
>>> len(counts)
5
>>> sum(counts)
9
>>> counts["fred"]
1
>>> dict(counts)
{1.8: 2, 2: 2, 3: 3, 1: 1, 'fred': 1}

5
.value_counts().sort_index(1), ilk sütunun muhtemelen biraz bozuk olmasını önlemek için
smci

9
Seri yerine DataFrame için bir eşdeğer var mı? Bir df'de .value_counts () çalıştırmayı denedim ve aldımAttributeError: 'DataFrame' object has no attribute 'value_counts'
Mittenchops

1
Bu sayıları oranlara dönüştürmenin kolay bir yolu var mı?
dsaxton

7
@dsaxton sonuçları oranlara dönüştürmek için .value_counts (normalize = True) kullanabilirsiniz
Max Power

2
Bunu bir veri çerçevesinde kullanmak için, eşdeğer 1-D numpy dizi temsiline dönüştürün, örneğin - ve öznitelikleri sırasıyla benzersiz öğeleri ve sayılarını içeren pd.value_counts(df.values.ravel())bir dizi döndürür . indexvalues
Nickil Maveli

11

Sütunların frekanslarını bu şekilde saymak için bir veri çerçevesinde liste anlamayı kullanabilirsiniz.

[my_series[c].value_counts() for c in list(my_series.select_dtypes(include=['O']).columns)]

Yıkmak:

my_series.select_dtypes(include=['O']) 

Yalnızca kategorik verileri seçer

list(my_series.select_dtypes(include=['O']).columns) 

Yukarıdan sütunları bir listeye dönüştürür

[my_series[c].value_counts() for c in list(my_series.select_dtypes(include=['O']).columns)] 

Yukarıdaki listeyi yineler ve her bir sütuna value_counts () uygular


5

@DSM tarafından sağlanan cevap basit ve anlaşılır, ancak bu soruya kendi girdimi ekleyeceğimi düşündüm. Pandas.value_counts koduna bakarsanız, çok şey olduğunu göreceksiniz.

Birçok dizinin sıklığını hesaplamanız gerekiyorsa, bu biraz zaman alabilir. Daha hızlı bir uygulama numpy.unique ilereturn_counts = True

İşte bir örnek:

import pandas as pd
import numpy as np

my_series = pd.Series([1,2,2,3,3,3])

print(my_series.value_counts())
3    3
2    2
1    1
dtype: int64

Burada döndürülen öğenin bir panda olduğuna dikkat edin.

Buna karşılık, numpy.uniqueiki öğe, benzersiz değerler ve sayılar içeren bir demet döndürür.

vals, counts = np.unique(my_series, return_counts=True)
print(vals, counts)
[1 2 3] [1 2 3]

Daha sonra bunları bir sözlükte birleştirebilirsiniz:

results = dict(zip(vals, counts))
print(results)
{1: 1, 2: 2, 3: 3}

Ve sonra bir pandas.Series

print(pd.Series(results))
1    1
2    2
3    3
dtype: int64

0

Aşırı değerli bir değişkenin frekans dağılımı için sınıflardaki değerleri daraltabilirsiniz,

Burada employratedeğişken için aşırı değerler veriyorum ve doğrudan frekans dağılımının bir anlamı yokvalues_count(normalize=True)

                country  employrate alcconsumption
0           Afghanistan   55.700001            .03
1               Albania   11.000000           7.29
2               Algeria   11.000000            .69
3               Andorra         nan          10.17
4                Angola   75.699997           5.57
..                  ...         ...            ...
208             Vietnam   71.000000           3.91
209  West Bank and Gaza   32.000000               
210         Yemen, Rep.   39.000000             .2
211              Zambia   61.000000           3.56
212            Zimbabwe   66.800003           4.96

[213 rows x 3 columns]

values_count(normalize=True)Sınıflandırmasız frekans dağılımı , burada sonuç uzunluğu 139'dur (bir frekans dağılımı olarak anlamsız görünüyor):

print(gm["employrate"].value_counts(sort=False,normalize=True))

50.500000   0.005618
61.500000   0.016854
46.000000   0.011236
64.500000   0.005618
63.500000   0.005618

58.599998   0.005618
63.799999   0.011236
63.200001   0.005618
65.599998   0.005618
68.300003   0.005618
Name: employrate, Length: 139, dtype: float64

sınıflandırma koyarak tüm değerleri belirli bir aralıkta koyarız.

0-10 1 olarak,
11-20 2 olarak  
3 olarak 21-30, vb.
gm["employrate"]=gm["employrate"].str.strip().dropna()  
gm["employrate"]=pd.to_numeric(gm["employrate"])
gm['employrate'] = np.where(
   (gm['employrate'] <=10) & (gm['employrate'] > 0) , 1, gm['employrate']
   )
gm['employrate'] = np.where(
   (gm['employrate'] <=20) & (gm['employrate'] > 10) , 1, gm['employrate']
   )
gm['employrate'] = np.where(
   (gm['employrate'] <=30) & (gm['employrate'] > 20) , 2, gm['employrate']
   )
gm['employrate'] = np.where(
   (gm['employrate'] <=40) & (gm['employrate'] > 30) , 3, gm['employrate']
   )
gm['employrate'] = np.where(
   (gm['employrate'] <=50) & (gm['employrate'] > 40) , 4, gm['employrate']
   )
gm['employrate'] = np.where(
   (gm['employrate'] <=60) & (gm['employrate'] > 50) , 5, gm['employrate']
   )
gm['employrate'] = np.where(
   (gm['employrate'] <=70) & (gm['employrate'] > 60) , 6, gm['employrate']
   )
gm['employrate'] = np.where(
   (gm['employrate'] <=80) & (gm['employrate'] > 70) , 7, gm['employrate']
   )
gm['employrate'] = np.where(
   (gm['employrate'] <=90) & (gm['employrate'] > 80) , 8, gm['employrate']
   )
gm['employrate'] = np.where(
   (gm['employrate'] <=100) & (gm['employrate'] > 90) , 9, gm['employrate']
   )
print(gm["employrate"].value_counts(sort=False,normalize=True))

Sınıflandırmadan sonra net bir frekans dağılımına sahibiz. burada kolayca görebilirsiniz 37.64%ülkeler arasındaki istihdam oranına sahip bir 51-60% ve 11.79%ülkelerin istihdam oranı arasında var71-80%

5.000000   0.376404
7.000000   0.117978
4.000000   0.179775
6.000000   0.264045
8.000000   0.033708
3.000000   0.028090
Name: employrate, dtype: float64
Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.