web-dev-qa-db-ja.com

単一変数の頻度表

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。

88
Abe

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}
144
DSM

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

9
jetpackdata.com

@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 = Truenumpy.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

print(pd.Series(results))
1    1
2    2
3    3
dtype: int64
5
Jon