何时在Pandas中使用.count（）和.value_counts（）？

Question

我正在学习熊猫。我不知道何时使用.count()功能以及何时使用.value_counts()。

Answer 1

value_counts()汇总数据并计算每个唯一值。你可以通过使用groupby来实现同样的目标，count()是一个更广泛的函数来聚合pandas中的数据。

df = pd.DataFrame({'Id':['A', 'B', 'B', 'C', 'D', 'E', 'F', 'F'],
                   'Value':[10, 20, 15, 5, 35, 20, 10, 25]})

print(df)
  Id  Value
0  A     10
1  B     20
2  B     15
3  C      5
4  D     35
5  E     20
6  F     10
7  F     25

# Value counts
df['Id'].value_counts()
F    2
B    2
C    1
A    1
D    1
E    1
Name: Id, dtype: int64

# Same operation but with groupby
df.groupby('Id')['Id'].count()
Id
A    1
B    2
C    1
D    1
E    1
F    2
Name: Id, dtype: int64

# Count()
df['Id'].count()
8

只返回您应用它的列（系列）中的非NaN / Null值的数量。

NaN

使用count值和

print(df)
    Id  Value
0    A     10
1    B     20
2    B     15
3  NaN      5
4    D     35
5    E     20
6    F     10
7    F     25

df['Id'].count()
7

的示例：

df = pd.DataFrame({"A":[10, 8, 12, None, 5, 3],  
                   "B":[-1, None, 6, 4, None, 3], 
                   "C":["Shreyas", "Aman", "Apoorv", np.nan, "Kunal", "Ayush"]})

Answer 2

count（）用于计算给定轴上非NA / null观测值的数量。它也适用于非浮动类型的数据。

现在作为示例创建一个数据帧df

df.count(axis = 0)

找到行轴上的非NA值的计数。

A    5
B    4
C    5
dtype: int64

输出：

df.count(axis = 1) 

找到列中非NA / null值的数量。

0    3
1    2
2    3
3    1
4    2
5    3
dtype: int64    

输出：

s = pd.Series([3, 1, 2, 3, 4, np.nan]) 
s.value_counts()

value_counts（）函数返回包含唯一值计数的Series。生成的对象将按降序排列，以便第一个元素是最常出现的元素。默认情况下排除NA值。

因此，对于下面显示的示例

3.0    2
4.0    1
2.0    1
1.0    1
dtype: int64

输出将是：

count()

Answer 3

value_counts()返回系列中非空值的总数。

ser = pd.Series(list('aaaabbbccdef'))
ser

>
0     a
1     a
2     a
3     a
4     b
5     b
6     b
7     c
8     c
9     d
10    e
11    f
dtype: object

ser.count()
>
12

ser.value_counts()
>
a    4
b    3
c    2
f    1
d    1
e    1
dtype: int64 

返回一系列每个唯一非空值出现的次数，从最频繁到最不频繁排序。

像往常一样，一个例子是传达这一点的最佳方式：

count()

请注意，数据框具有count()方法，该方法为df中的每列返回一系列value_counts()（标量）值。但是，数据帧没有qazxswpoi方法。