pandas.core.groupby.DataFrameGroupBy.value_counts #

DataFrameGroupBy。value_counts (子集= None ,标准化= False ,排序= True ,升序= False , dropna = True ) [来源] #

返回包含唯一行数的 Series 或 DataFrame。

1.4.0 版本中的新增功能。

参数：
类似子集列表，可选

计算唯一组合时使用的列。

标准化布尔值，默认 False

返回比例而不是频率。

排序bool，默认 True

按频率排序。

升序布尔值，默认 False

按升序排序。

dropna bool，默认 True

不包括包含 NA 值的行数。

返回：
系列或数据框

如果 groupby as_index 为 True，则为 Series，否则为 DataFrame。

也可以看看

Series.value_counts

系列上的等效方法。

DataFrame.value_counts

DataFrame 上的等效方法。

SeriesGroupBy.value_counts

SeriesGroupBy 上的等效方法。

笔记

  • 如果 groupby as_index 为 True，则返回的 Series 将具有一个 MultiIndex，每个输入列一个级别。

  • 如果 groupby as_index 为 False，则返回的 DataFrame 将有一个带有 value_counts 的附加列。该列标记为“计数”或“比例”，具体取决于参数normalize。

默认情况下，结果中会忽略包含任何 NA 值的行。

默认情况下，结果将按降序排列，以便每组的第一个元素是最常出现的行。

例子

>>> df = pd.DataFrame({
...     'gender': ['male', 'male', 'female', 'male', 'female', 'male'],
...     'education': ['low', 'medium', 'high', 'low', 'high', 'low'],
...     'country': ['US', 'FR', 'US', 'FR', 'FR', 'FR']
... })

>>> df
        gender  education   country
0       male    low         US
1       male    medium      FR
2       female  high        US
3       male    low         FR
4       female  high        FR
5       male    low         FR

>>> df.groupby('gender').value_counts()
gender  education  country
female  high       FR         1
                   US         1
male    low        FR         2
                   US         1
        medium     FR         1
Name: count, dtype: int64

>>> df.groupby('gender').value_counts(ascending=True)
gender  education  country
female  high       FR         1
                   US         1
male    low        US         1
        medium     FR         1
        low        FR         2
Name: count, dtype: int64

>>> df.groupby('gender').value_counts(normalize=True)
gender  education  country
female  high       FR         0.50
                   US         0.50
male    low        FR         0.50
                   US         0.25
        medium     FR         0.25
Name: proportion, dtype: float64

>>> df.groupby('gender', as_index=False).value_counts()
   gender education country  count
0  female      high      FR      1
1  female      high      US      1
2    male       low      FR      2
3    male       low      US      1
4    male    medium      FR      1

>>> df.groupby('gender', as_index=False).value_counts(normalize=True)
   gender education country  proportion
0  female      high      FR        0.50
1  female      high      US        0.50
2    male       low      FR        0.50
3    male       low      US        0.25
4    male    medium      FR        0.25