Python Pandas Index.value_counts()

Python是一种进行数据分析的伟大语言，主要是因为以数据为中心的Python软件包的奇妙生态系统。Pandas就是这些包中的一个，它使导入和分析数据更加容易。
Pandas Index.value_counts()函数返回包含唯一值计数的对象。返回的对象将按降序排列，因此第一个元素是最经常出现的元素。默认情况下，不包括NA值。

语法: Index.value_counts(normalize=False, sort=True, ascending=False, bins=None, dropna=True)
参数 :
normalize : 如果为真，那么返回的对象将包含唯一值的相对频率。
sort：按数值排序
ascending :按升序排序
bins : 与其计算数值，不如将它们分组到半开的bins中，这是pd.cut的一个便利，只对数字数据有效。
dropna :不要包括NaN的计数。
返回 : 数目 :系列

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

# 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。

# 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

该函数已经返回了给定索引中所有唯一值的计数。注意，函数返回的对象包含了按降序排列的值的出现。

示例#2：使用Index.value_counts()函数来查找给定索引中所有唯一值的计数。

# 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')

让我们计算一下索引中所有唯一值的出现情况。

# 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。