Метод value_counts

Метод value_counts применяется к объекту Index и возвращает серию с количеством вхождений каждого уникального значения индекса. Результат сортируется по убыванию частоты (самые частые значения идут первыми). Метод полезен для анализа распределения значений в индексе.

Синтаксис

index.value_counts(normalize=False, sort=True, ascending=False, dropna=True)

Параметры метода:

normalize - если True, возвращаются относительные частоты (доли) вместо абсолютных;
sort - если True, результат сортируется по значениям частот;
ascending - если True, сортировка производится по возрастанию частот;
dropna - если True, пропущенные значения исключаются из подсчета.

Пример

Давайте создадим индекс с повторяющимися значениями и подсчитаем количество вхождений каждого значения:

import pandas as pd

ser = pd.Index([1, 2, 2, 3, 3, 3, 4, 4, 4, 4])
res = ser.value_counts()
print(res)

Результат выполнения кода:

4	4
3	3
2	2
1	1
dtype: int64

Пример

Получим относительные частоты с помощью параметра normalize:

import pandas as pd

ser = pd.Index(['a', 'b', 'b', 'c', 'c', 'c'])
res = ser.value_counts(normalize=True)
print(res)

Результат выполнения кода:

c	0.5
b	0.333333
a	0.166667
dtype: float64

Пример

Отсортируем результат по возрастанию частот с помощью параметра ascending:

import pandas as pd

ser = pd.Index([5, 5, 6, 6, 6, 7, 7])
res = ser.value_counts(ascending=True)
print(res)

Результат выполнения кода:

7	2
5	2
6	3
dtype: int64

Пример

Исключим пропущенные значения из подсчета с помощью параметра dropna:

import pandas as pd
import numpy as np

ser = pd.Index([1, 2, np.nan, 2, np.nan, 3])
res = ser.value_counts(dropna=False)
print(res)

Результат выполнения кода:

2.0	2
NaN	2
1.0	1
3.0	1
dtype: int64

Смотрите также

метод unique,
который возвращает массив уникальных значений индекса
метод duplicated,
который возвращает булеву маску дублирующихся значений
метод drop_duplicates,
который удаляет дублирующиеся значения из индекса
атрибут is_unique,
который проверяет все ли значения в индексе уникальны