value_counts() 中的标准化意味着什么

Question

问题不在于编码，而在于理解规范化在统计和数据相关性方面的含义 这是我正在做的一个例子。 没有归一化：

plt.subplot(111)
plt.plot(df['alcoholism'].value_counts(), marker='o')
plt.plot(df.query('no_show =="Yes"')['alcoholism'].value_counts(), color='black')
plt.show();

归一化：

plt.subplot(111)
plt.plot(df['alcoholism'].value_counts(normalize=True), marker='o')
plt.plot(df.query('no_show =="Yes"')['alcoholism'].value_counts(normalize=True), color='black')
plt.show();

哪个更好地关联有或没有归一化的值？或者这是一个完全错误的想法？ 我是数据和熊猫的新手，所以请原谅我糟糕的代码、链接、评论、风格 :)

Answer 1

正如您在归一化时看到的（第二个图），对于绘制的每条线，两个点的总和等于 1。归一化为您提供每个值出现的rate，而不是出现的number。

这是医生说的：

normalize : bool, default False
返回比例而不是频率。

• value_counts()

  可能返回如下内容：

  0    110000
  1      1000
  dtype: int64
  

• 和

  value_counts(normalize=True)

  可能会返回类似的东西：

  0    0.990991
  1    0.009009
  dtype: float64
  

换句话说，规范化和非规范化之间的关系可以检查为：

>>> counts = df['alcoholism'].value_counts()
>>> rate = df['alcoholism'].value_counts(normalize=True)
>>> np.allclose(rate, counts / counts.sum())
True

哪里

np.allclose

允许正确比较两个系列的浮点数。