pandas.DataFrame.value_counts

DataFrame.value_counts(subset=None, normalize=False, sort=True, ascending=False, dropna=True)

返回一个Series，其中包含DataFrame中每个不同行的频率。

Parameters:

subset标签或标签列表，可选。

用于计算唯一组合的列。

normalizebool，默认 False

返回比例而不是频率。

sortbool, default True

如果为 True，则按频率排序。如果为 False，则按 DataFrame 列值排序。

ascendingbool，默认 False

按升序排序。

dropnabool, default True

不包括包含 NA 值的行的计数。

在 1.3.0 版本加入.

Returns:

Series

参见

Series.value_counts

Series 上的等效方法。

Notes

返回的 Series 将拥有一个 MultiIndex，其中每个输入列对应一个级别，而对于单个标签，则是一个（非多）Index。默认情况下，包含任何 NA 值的行将从结果中省略。默认情况下，生成的 Series 将按降序排列，因此第一个元素是最常出现的行。

Examples

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

>>> df.value_counts()
num_legs  num_wings
4         0            2
2         2            1
6         0            1
Name: count, dtype: int64

>>> df.value_counts(sort=False)
num_legs  num_wings
2         2            1
4         0            2
6         0            1
Name: count, dtype: int64

>>> df.value_counts(ascending=True)
num_legs  num_wings
2         2            1
6         0            1
4         0            2
Name: count, dtype: int64

>>> df.value_counts(normalize=True)
num_legs  num_wings
4         0            0.50
2         2            0.25
6         0            0.25
Name: proportion, dtype: float64

使用 dropna 设置为 False 时，我们也可以计算包含 NA 值的行。

>>> df = pd.DataFrame({'first_name': ['John', 'Anne', 'John', 'Beth'],
...                    'middle_name': ['Smith', pd.NA, pd.NA, 'Louise']})
>>> df
  first_name middle_name
0       John       Smith
1       Anne        <NA>
2       John        <NA>
3       Beth      Louise

>>> df.value_counts()
first_name  middle_name
Beth        Louise         1
John        Smith          1
Name: count, dtype: int64

>>> df.value_counts(dropna=False)
first_name  middle_name
Anne        NaN            1
Beth        Louise         1
John        Smith          1
            NaN            1
Name: count, dtype: int64

>>> df.value_counts("first_name")
first_name
John    2
Anne    1
Beth    1
Name: count, dtype: int64