9個value_counts()的小技巧，提高Pandas 資料分析效率

資料科學家通常將大部分時間花在探索和預處理資料上。當談到資料分析和理解資料結構時，Pandas value_counts() 是最受歡迎的函式之一。該函式返回一個包含唯一值計數的系列。生成的Series可以按降序或升序排序，透過引數控制包括或排除NA。

在本文中，我們將探討 Pandas value_counts() 的不同用例。您將學習如何使用它來處理以下常見任務。

💡預設引數
💡按升序對結果進行排序
💡按字母順序排列結果
💡結果中包含空值
💡以百分比計數顯示結果
💡將連續資料分入離散區間
💡分組並呼叫 value_counts()
💡將結果系列轉換為 DataFrame
💡應用於DataFrame

1、預設引數

Pandas value_counts() 函式返回一個包含唯一值計數的系列。預設情況下，結果系列按降序排列，不包含任何 NA 值。例如，讓我們從 Titanic 資料集中獲取“Embarked”列的計數。

>>> df['Embarked'].value_counts()
 
 S   644
 C   168
 Q     77
 Name: Embarked, dtype: int64

2、按升序對結果進行排序

value_count() 返回的系列預設按降序排列。對於升序結果，我們可以將引數升序設定為 True。

>>> df['Embarked'].value_counts(ascending=True)
 
 Q 77
 C 168
 S 644
 Name: Embarked, dtype: int64

3、按字母順序排列結果

我們已經學習了引數升序以獲得按值計數 ASC 或 DESC 排序的結果。在某些情況下，最好按字母順序顯示我們的結果。這可以透過在 value_counts() 之後呼叫 sort_index(ascending=True) 來完成，例如

>>> df['Embarked'].value_counts(ascending=True).sort_index(ascending=True)
 
 C 168
 Q 77
 S 644
 Name: Embarked, dtype: int64

>>> df['Embarked'].value_counts(ascending = True).sort_index(ascending=False)

 S 644
 Q 77
 C 168
 Name: Embarked, dtype: int64

4、包括結果中的 NA

預設情況下，結果中會忽略包含任何 NA 值的行。有一個引數 dropna 來配置它。我們可以將該值設定為 False 以包含 NA 的行數。

>>> df['Embarked'].value_counts(dropna=False)

 S 644
 C 168
 Q 77
 NaN 2
 Name: Embarked, dtype: int64

5、以百分比計數顯示結果

在進行探索性資料分析時，有時檢視唯一值的百分比計數會更有用。這可以透過將引數 normalize 設定為 True 來完成，例如：

>>> df['Embarked'].value_counts(normalize=True)
 
 S 0.724409
 C 0.188976
 Q 0.086614
 Name: Embarked, dtype: float64

如果我們更喜歡用百分號 (%) 格式化結果，我們可以設定 Pandas 顯示選項如下：

>>> pd.set_option('display.float_format', '{:.2f}%'.format)
>>> df['Embarked'].value_counts(normalize = True)
 
 S 0.72%
 C 0.19%
 Q 0.09%
 Name: Embarked, dtype: float64

6、將連續資料分入離散區間

Pandas value_counts() 可用於使用 bin 引數將連續資料分入離散區間。與 Pandas cut() 函式類似，我們可以將整數或列表傳遞給 bin 引數。

當整數傳遞給 bin 時，該函式會將連續值離散化為大小相等的 bin，例如：

>>> df['Fare'].value_counts(bins=3)

 (-0.513, 170.776] 871
 (170.776, 341.553] 17
 (341.553, 512.329] 3
 Name: Fare, dtype: int64

當列表傳遞給 bin 時，該函式會將連續值劃分為自定義組，例如：

>>> df['Fare'].value_counts(bins=[-1, 20, 100, 550])
 (-1.001, 20.0] 515
 (20.0, 100.0] 323
 (100.0, 550.0] 53
 Name: Fare, dtype: int64

7、分組並執行 value_counts()

Pandas groupby() 允許我們將資料分成不同的組來執行計算以進行更好的分析。一個常見的用例是按某個列分組，然後獲取另一列的唯一值的計數。例如，讓我們按“Embarked”列分組並獲取不同“Sex”值的計數。

>>> df.groupby('Embarked')['Sex'].value_counts()
 
 Embarked Sex 
 C   male    95
     female  73
 Q   male    41
     female  36
 S   male    441
     female  203
 Name: Sex, dtype: int64

8、將結果系列轉換為 DataFrame

Pandas value_counts() 返回一個Series，包括前面帶有 MultiIndex 的示例。如果我們希望我們的結果顯示為 DataFrame，我們可以在 value_count() 之後呼叫 to_frame()。

>>> df.groupby('Embarked')['Sex'].value_counts().to_frame()

9、應用於DataFrame

到目前為止，我們一直將 value_counts() 應用於 Pandas Series，在 Pandas DataFrame 中有一個等效的方法。Pandas DataFrame.value_counts() 返回一個包含 DataFrame 中唯一行計數的系列。

讓我們看一個例子來更好地理解它：

df = pd.DataFrame({
    'num_legs': [2, 4, 4, 6],
    'num_wings': [2, 0, 0, 0]},
    index=['falcon', 'dog', 'cat', 'ant']
)
df

>>> df.value_counts()

num_legs num_wings
 4 0 2
 6 0 1
 2 2 1
 dtype: int64

透過在 df 上呼叫 value_counts()，它返回一個以 num_legs 和 num_wings 作為索引的 MultiIndex 系列。從結果中，我們可以發現有 2 條記錄的 num_legs=4 和 num_wing=0。

同樣，我們可以呼叫 to_frame() 將結果轉換為 DataFrame

>>> df.value_counts().to_frame()

總結

在本文中，我們探討了 Pandas value_counts() 的不同用例。我希望這篇文章能幫助你節省學習 Pandas 的時間。我建議您檢視 value_counts() API 的文件並瞭解您可以做的其他事情。感謝閱讀，本文的原始程式碼如下：

machine-learning/pandas-value_counts.ipynb at main · BindiChen/machine-learning

文章來源：DeepHub IMBA
文章連結：https://mp.weixin.qq.com/s/GF0xl3mNuRQXHgpFjS-Qog

※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※

我是「數據分析那些事」。常年分享數據分析乾貨，不定期分享好用的職場技能工具。各位也可以關注我的Facebook，按讚我的臉書並私訊「10」，送你十週入門數據分析電子書唷！期待你與我互動起來~

文章推薦

◆餅圖變形記，肝了3000字，收藏就是學會！

◆MySQL必須掌握4種語言！

◆太實用了！4種方法教你輕鬆製作互動式儀表板！

◆跟資料打交道的人都得會的這8種資料模型，滿足工作中95%的需求

◆妙呀！一行Python程式碼

回顧十週入門數據分析系列文：

學習計劃｜帶你10周入門資料分析

關注數據君的臉書：

我是「數據分析那些事」。常年分享數據分析乾貨，不定期分享好用的職場技能工具。按贊我的臉書，會有豐富資料包贈送唷！

數據分析那些事