Метод value_counts

Метод value_counts применяется к Series и возвращает новую серию, содержащую подсчёт количества вхождений каждого уникального значения. Результат сортируется по убыванию частоты. Первым параметром можно передать normalize для получения относительных частот, а параметром sort управлять сортировкой. Метод также позволяет исключать пропущенные значения с помощью параметра dropna.

Синтаксис

ser.value_counts(normalize=False, sort=True, ascending=False, bins=None, dropna=True)

Пример

Давайте подсчитаем количество вхождений значений в серии:

import pandas as pd

ser = pd.Series([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

Теперь получим относительные частоты (в долях от общего количества):

import pandas as pd

ser = pd.Series(['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

Рассмотрим работу с пропущенными значениями:

import pandas as pd
import numpy as np

ser = pd.Series([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

Пример

Используем параметр bins для группировки значений в интервалы:

import pandas as pd

ser = pd.Series([1, 2, 3, 4, 5, 6, 7, 8, 9, 10])
res = ser.value_counts(bins=3)
print(res)

Результат выполнения кода:

(1.0, 4.0]	  3
(7.0, 10.0]	 3
(4.0, 7.0]	  4
dtype: int64

Пример

Сортировка в порядке возрастания частот:

import pandas as pd

ser = pd.Series(['x', 'y', 'y', 'z', 'z', 'z'])
res = ser.value_counts(ascending=True)
print(res)

Результат выполнения кода:

x	1
y	2
z	3
dtype: int64

Смотрите также

метод unique,
который возвращает уникальные значения серии
метод nunique,
который возвращает количество уникальных значений
метод drop_duplicates,
который удаляет дубликаты из серии
метод groupby,
который группирует данные для агрегации