value_counts()方法返回一个序列Series，该序列包含每个值的数量(对于数据框中的任何列，value_counts()方法会返回该列每个项的计数)

value_counts()是Series拥有的方法，一般在DataFrame中使用时，需要指定对哪一列进行使用

语法

value_counts(values, ?sort=True,? ?ascending=False, ?normalize=False, ?bins=None, ?dropna=True)

参数说明

sort: 是否要进行排序(默认进行排序,取值为True)ascending: 默认降序排序(取值为False)，升序排序取值为Truenormalize: 是否要对计算结果进行标准化，并且显示标准化后的结果，默认是Falsebins: 可以自定义分组区间，默认是否dropna: 是否包括对NaN进行计数，默认不包括

import?pandas?as?pd import?numpy?as?np ? df?=?pd.DataFrame({'City':?['北京',?'广州',?'深圳',?'上海',?'大连',?'成都',?'深圳',?'厦门',?'北京',?'北京',?'上海',?'珠海'], ???'Revenue':?[10000,?10000,?5000,?5000,?40000,?50000,?8000,?5000,?5000,?5000,?10000,?12000], ???'Age':?[50,?43,?34,?40,?25,?25,?45,?32,?25,?25,?34,?np.nan]}) ? #?1.查看'City'这一列的计数结果(对给定列里面的每个值进行计数并进行降序排序，缺失值nan也会被排除) #?value_counts()并不是未带任何参数，而是所有参数都是默认的 res1?=?df['City'].value_counts() ? #?2.查看'Revenue'这一列的计数结果(采用升序的方式) res2?=?df['Revenue'].value_counts(ascending=True) ? #?3.查看'Age'这一列的计数占比(使用标准化normalize=True) res3?=?df['Age'].value_counts(ascending=True,normalize=True) ? #?4.查看'Age'这一列的计数结果(展示NaN值的计数) res4?=?df['Age'].value_counts(dropna=False) ? #?5.查看'Age'这一列的计数结果(不展示NaN值的计数) #?res5?=?df['Age'].value_counts() res5?=?df['Age'].value_counts(dropna=True)

df

res2

res3

res4

res5

---

1.本站遵循行业规范，任何转载的稿件都会明确标注作者和来源；2.本站的原创文章，会注明原创字样,如未注明都非原创，如有侵权请联系删除！；3.作者投稿可能会经我们编辑修改或补充；4.本站不提供任何储存功能只提供收集或者投稿人的网盘链接。