Python value_counts()函数

1. 介绍

value_counts()函数是 pandas 库中的一个非常实用的函数，它用于统计一列数据中各个不同取值的出现频次。具体来说，value_counts()函数可以返回一个包含每个唯一值和对应频次的 pandas Series 对象。

在数据分析和数据清洗过程中，我们经常需要了解某个特定列中各个取值的分布情况，以作为进一步操作的依据。value_counts()函数可以方便地帮助我们实现这一目标，不仅可以统计常见的数字、字符串等类型的数据，还可以统计日期、时间等类型的数据。

在本文中，我们将详细介绍 value_counts() 函数的使用方法，并通过一些示例代码演示其用法。

2. value_counts()函数的语法

value_counts()函数的语法如下：

Series.value_counts(normalize=False, sort=True, ascending=False, bins=None, dropna=True)

该函数有五个常用的参数，分别是：

• normalize: 设置为 True 时，返回的频次会被归一化，即表示百分比。默认为 False。
• sort: 设置为 True 时，返回结果将按照频次从高到低排序。默认为 True。
• ascending: 设置为 True 时，返回结果将按照索引升序排序。默认为 False。
• bins: 设置为一个整数或者序列时，对结果进行分组统计。默认为 None，即不进行分组统计。
• dropna: 设置为 True 时，不统计缺失值。默认为 True。

3. 使用示例

首先，我们需要导入 pandas 库。如果你还没有安装该库，可以通过以下命令进行安装：

pip install pandas

我们使用这个库来模拟一些示例数据。假设我们有一个保存着学生考试成绩的数据集，该数据集包含姓名、科目和得分三列。我们将使用 value_counts() 函数对其中的一列进行统计。现在让我们来看看如何使用 value_counts() 函数。

import pandas as pd

# 创建示例数据
data = {'姓名': ['张三', '李四', '王五', '赵六', '钱七', '周八', '王五'],
        '科目': ['数学', '英语', '数学', '英语', '数学', '数学', '英语'],
        '得分': [85, 90, 92, 78, 80, 85, 93]}

df = pd.DataFrame(data)

# 统计科目列的取值频次
counts = df['科目'].value_counts()

print(counts)

输出结果如下：

数学    4
英语    3
Name: 科目, dtype: int64

我们可以看到，value_counts() 函数返回了一个包含科目列每个唯一值及对应频次的 Series 对象。在这个例子中，科目列有两个不同的取值：数学和英语，其中数学出现了4次，英语出现了3次。

接下来，我们来逐个介绍 value_counts() 函数的各个参数，并通过示例代码展示其不同的应用场景。

3.1 参数 normalize

参数 normalize 是一个布尔值，默认为 False。当该参数被设置为 True 时， value_counts() 函数将返回每个唯一值的百分比。

counts_normalized = df['科目'].value_counts(normalize=True)

print(counts_normalized)

输出结果如下：

数学    0.571429
英语    0.428571
Name: 科目, dtype: float64

我们可以看到，返回的结果是每个唯一值的频次在总频次中所占的比例。在这个例子中，数学频次占总频次的57.14%，英语频次占总频次的42.85%。

3.2 参数 sort

参数 sort 是一个布尔值，默认为 True。当该参数被设置为 True 时，返回的结果将按照频次从高到低排序。

counts_sorted = df['科目'].value_counts(sort=True)

print(counts_sorted)

输出结果如下：

数学    4
英语    3
Name: 科目, dtype: int64

我们可以看到，返回的结果按照频次从高到低进行了排序。

3.3 参数 ascending

参数 ascending 是一个布尔值，默认为 False。当该参数被设置为 True 时，返回的结果将按照索引升序排序。

counts_ascending = df['科目'].value_counts(ascending=True)

print(counts_ascending)

输出结果如下：

英语    3
数学    4
Name: 科目, dtype: int64

我们可以看到，返回的结果按照索引的升序进行了排序。

3.4 参数 bins

参数 bins 可以用于对结果进行分组统计。它可以接受一个整数或者一个序列作为输入。当传入一个整数时，value_counts() 函数将对结果进行指定个数的分组统计。当传入一个序列时，value_counts() 函数将根据该序列进行分组统计，并按照序列中的值进行标记。下面的示例代码展示了这两种不同的应用场景。

# 按照指定个数进行分组统计
counts_binned = df['得分'].value_counts(bins=3)

print(counts_binned)

输出结果如下：

(78.989, 84.0]    2
(84.0, 89.0]     3
(89.0, 93.0]     2
Name: 得分, dtype: int64

我们可以看到， value_counts() 函数将得分列的取值分为了3组，并返回了每个分组的频次。

接下来，我们再来看一个通过传入序列进行分组统计的示例。

# 按照指定序列进行分组统计
bounds = [0, 60, 80, 100]
labels = ['不及格', '及格', '优秀']

counts_grouped = df['得分'].value_counts(bins=bounds, labels=labels)

print(counts_grouped)

输出结果如下：

不及格    0
及格     2
优秀     5
Name: 得分, dtype: int64

我们可以看到，返回的结果将得分列的取值分为了三组，并根据传入的标签进行了标记。在这个例子中，分数小于60分的被标记为”不及格”，分数在60分析
字到80分的被标记为”及格”，分数大于80分的被标记为”优秀”。

3.5 参数 dropna

参数 dropna 是一个布尔值，默认为 True。当该参数被设置为 True 时，value_counts() 函数将不统计缺失值。

# 添加一个缺失值
df.loc[7] = ['孙九', '数学', None]

counts_dropna = df['得分'].value_counts(dropna=True)

print(counts_dropna)

输出结果如下：

85.0    2
80.0    1
90.0    1
93.0    1
92.0    1
78.0    1
Name: 得分, dtype: int64

我们可以看到，缺失值被排除在统计之外，返回的结果中没有缺失值。

4. 总结

本文介绍了 value_counts() 函数的使用方法，详细讲解了其语法和常用参数，并通过示例代码演示了不同参数的应用场景。value_counts() 函数是 pandas 中一项非常有用的功能，能够快速统计一列数据中不同取值的频次情况。在数据分析和数据清洗的过程中，我们经常需要了解数据的分布情况，value_counts() 函数可以帮助我们快速了解数据的统计信息，为后续操作提供依据。