Pandas | 5 种技巧高效利用value-counts

小白学视觉

共 3337字,需浏览 7分钟

 ·

2022-08-01 02:11


点击上方小白学视觉”,选择加"星标"或“置顶

重磅干货,第一时间送达


value_counts()


value_counts() 方法返回一个序列 Series,该序列包含每个值的数量。也就是说,对于数据框中的任何列,value-counts () 方法会返回该列每个项的计数。

语法

Series.value_counts()


参数

图源:https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.Series.value_counts.html

基本用法

作者通过以下数据集来观察 value-count () 函数的基本用法,其中 Demo 中使用了 Titanic 数据集。她还在 Kaggle 上发布了一个配套的 notebook。

代码链接:https://www.kaggle.com/parulpandey/five-ways-to-use values -counts

 


导入数据集

首先导入必要的库和数据集,这是每个数据分析流程的基本步骤。


# Importing necessary librariesimport pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline# Reading in the data
train = pd.read_csv( ../input/titanic/train.csv )


了解数据集的前几行内容

train.head()



统计无效值数量

train.isnull().sum()

由上图可见,Age、Cabin 和 Embarked 列都有无效值。通过这些分析,我们就对数据集有了初步的了解。现在就让我们来看一下 value_counts() 是如何对这个数据集进行进一步探索的,那 5 个高效方法又是什么呢?

默认参数值下的 value_counts()

首先在数据集的 Embarked 列上使用 value_counts (),这样会对该列中出现的每个值进行计数。


train[ Embarked ].value_counts()
-------------------------------------------------------------------
S 644
C 168
Q 77


这个函数会对给定列里面的每个值进行计数并进行降序排序,无效值也会被排除。我们很容易就能看出,Southampton 出发的人最多,其次是 Cherbourg 和 Queenstown。

如何用 value_counts() 求各个值的相对频率

有时候,百分比比单纯计数更能体现数量的相对关系。当 normalize = True 时,返回的对象将包含各个值的相对频率。默认情况下,normalize 参数被设为 False。

train[ Embarked ].value_counts(normalize=True)
-------------------------------------------------------------------
0.724409
0.188976
0.086614

因此,知道有 72% 的人从 Southampton 出发比单纯知道 644 个人从 Southampton 出发要直观得多。

如何实现升序的 value_counts()

默认情况下,value_counts () 返回的序列是降序的。我们只需要把参数 ascending 设置为 True,就可以把顺序变成升序。

train[ Embarked ].value_counts(ascending=True)
-------------------------------------------------------------------
77
168
644

如何用 value_counts() 展示 NaN 值的计数

默认情况下,无效值(NaN)是不会被包含在结果中的。但是跟之前一样的,只需要把 dropna 参数设置成 False,你也就可以对无效值进行计数。


train[ Embarked ].value_counts(dropna=False)
-------------------------------------------------------------------
644
168
77
NaN 2

我们可以很直观地观察到该列内有两个无效值。

如何用 value_counts() 将连续数据放进离散区间

这是 value_counts() 所有功能中作者最喜欢的,也是利用最充分的。改变参数 bin 的值,value_counts 就可以将连续数据放进离散区间。这个选项只有当数据是数字型时才会有用。它跟 pd.cut 函数很像,让我们来看一下它是如何在 Fare 这一列大显身手的吧!

# applying value_counts on a numerical column without the bin parametertrain[ Fare ].value_counts()

这个结果并不能告诉我们什么信息,因为类别太多了。所以让我们把它集合到 7 个区间里。

train[ Fare ].value_counts(bins=7)

区间化(Binning)之后的结果更容易理解。我们可以很容易地看到,大多数人支付的票款低于 73.19。此外,我们还可以发现,有五个区间是我们需要的,并且没有乘客的最后两个区间是没用的。

因此,我们可以看到,value_counts() 函数是一个非常方便的工具,我们可以使用这一行代码进行一些有趣的分析。

原文链接:

https://towardsdatascience.com/getting-more-value-from-the-pandas-value-counts-aa17230907a6

好消息!

小白学视觉知识星球

开始面向外开放啦👇👇👇




下载1:OpenCV-Contrib扩展模块中文版教程
在「小白学视觉」公众号后台回复:扩展模块中文教程即可下载全网第一份OpenCV扩展模块教程中文版,涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。

下载2:Python视觉实战项目52讲
小白学视觉公众号后台回复:Python视觉实战项目即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目,助力快速学校计算机视觉。

下载3:OpenCV实战项目20讲
小白学视觉公众号后台回复:OpenCV实战项目20讲即可下载含有20个基于OpenCV实现20个实战项目,实现OpenCV学习进阶。

交流群


欢迎加入公众号读者群一起和同行交流,目前有SLAM、三维视觉、传感器自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN算法竞赛等微信群(以后会逐渐细分),请扫描下面微信号加群,备注:”昵称+学校/公司+研究方向“,例如:”张三 + 上海交大 + 视觉SLAM“。请按照格式备注,否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告,否则会请出群,谢谢理解~


浏览 33
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报