その日の最後の初心者pandasの質問:単一のシリーズのテーブルを生成するにはどうすればよいですか?
例えば:
my_series = pandas.Series([1,2,2,3,3,3])
pandas.magical_frequency_function( my_series )
>> {
1 : 1,
2 : 2,
3 : 3
}
多くのグーグルで私はSeries.describe()とpandas.crosstabsに至りましたが、どちらも私が必要とすることはしません:1つの変数、カテゴリーごとにカウントします。ああ、それは文字列、整数などのさまざまなデータ型で機能するのであればいいでしょう。
たぶん.value_counts()
?
>>> import pandas
>>> my_series = pandas.Series([1,2,2,3,3,3, "fred", 1.8, 1.8])
>>> my_series
0 1
1 2
2 2
3 3
4 3
5 3
6 fred
7 1.8
8 1.8
>>> counts = my_series.value_counts()
>>> counts
3 3
2 2
1.8 2
fred 1
1 1
>>> len(counts)
5
>>> sum(counts)
9
>>> counts["fred"]
1
>>> dict(counts)
{1.8: 2, 2: 2, 3: 3, 1: 1, 'fred': 1}
データフレームでリスト内包表記を使用して、列の頻度をカウントできます
[my_series[c].value_counts() for c in list(my_series.select_dtypes(include=['O']).columns)]
壊す:
my_series.select_dtypes(include=['O'])
カテゴリーデータのみを選択します
list(my_series.select_dtypes(include=['O']).columns)
列を上からリストに変換します
[my_series[c].value_counts() for c in list(my_series.select_dtypes(include=['O']).columns)]
上記のリストを反復処理し、value_counts()を各列に適用します
@DSMが提供する答えはシンプルで簡単ですが、この質問に自分の意見を追加すると思いました。 pandas.value_counts のコードを見ると、多くのことが行われていることがわかります。
多くのシリーズの頻度を計算する必要がある場合、これにはしばらく時間がかかります。より高速な実装は、return_counts = True
で numpy.unique を使用することです
以下に例を示します。
import pandas as pd
import numpy as np
my_series = pd.Series([1,2,2,3,3,3])
print(my_series.value_counts())
3 3
2 2
1 1
dtype: int64
返されるアイテムはpandas.Seriesであることに注意してください
比較すると、numpy.unique
は、一意の値とカウントの2つの項目を持つタプルを返します。
vals, counts = np.unique(my_series, return_counts=True)
print(vals, counts)
[1 2 3] [1 2 3]
その後、これらを組み合わせて辞書にすることができます。
results = dict(Zip(vals, counts))
print(results)
{1: 1, 2: 2, 3: 3}
そしてpandas.Series
に
print(pd.Series(results))
1 1
2 2
3 3
dtype: int64