Метод value_counts

Метод value_counts применяется к DataFrame и возвращает серию с подсчётом количества каждого уникального значения в указанном столбце. Первым параметром передаётся название столбца, а вторым параметром можно указать, нужно ли сортировать результат по убыванию частоты. Также есть параметр normalize, который позволяет получить не абсолютное количество, а долю каждого значения.

Синтаксис

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

Пример

Давайте подсчитаем количество вхождений значений в столбце:

import pandas as pd

df = pd.DataFrame({
	'a': [1, 2, 1, 3, 1, 2],
	'b': [10, 20, 10, 30, 10, 20]
})
res = df.value_counts('a')
print(res)

Результат выполнения кода:

1	3
2	2
3	1
dtype: int64

Пример

Давайте подсчитаем доли значений в столбце:

import pandas as pd

df = pd.DataFrame({
	'a': [1, 2, 1, 3, 1, 2],
	'b': [10, 20, 10, 30, 10, 20]
})
res = df.value_counts('a', normalize=True)
print(res)

Результат выполнения кода:

1	0.500000
2	0.333333
3	0.166667
dtype: float64

Пример

Давайте отключим сортировку результатов:

import pandas as pd

df = pd.DataFrame({
	'a': [1, 2, 1, 3, 1, 2],
	'b': [10, 20, 10, 30, 10, 20]
})
res = df.value_counts('a', sort=False)
print(res)

Результат выполнения кода:

2	2
3	1
1	3
dtype: int64

Пример

Давайте подсчитаем количество вхождений по двум столбцам:

import pandas as pd

df = pd.DataFrame({
	'a': [1, 2, 1, 3, 1, 2],
	'b': [10, 20, 10, 30, 10, 20]
})
res = df.value_counts(subset=['a', 'b'])
print(res)

Результат выполнения кода:

a  b
1  10	3
2  20	2
3  30	1
dtype: int64

Смотрите также

метод nunique,
который возвращает количество уникальных значений в столбце
метод groupby,
который группирует данные для агрегации
метод drop_duplicates,
который удаляет дубликаты из таблицы
метод duplicated,
который определяет дублирующиеся строки