web-dev-qa-db-fra.com

Table de fréquence pour une seule variable

Un dernier débutant pandas question du jour: Comment générer un tableau pour une seule série?

Par exemple:

my_series = pandas.Series([1,2,2,3,3,3])
pandas.magical_frequency_function( my_series )

>> {
     1 : 1,
     2 : 2, 
     3 : 3
   }

Beaucoup de recherches sur Google m'ont conduit à Series.describe () et à pandas.crosstabs, mais aucune de ces méthodes ne correspond à ce dont j'ai besoin: une variable, qui compte par catégorie. Oh, et ce serait bien si cela fonctionnait pour différents types de données: chaînes, entiers, etc.

pythonstatisticspandasfrequency
88
Abe

Peut-être que .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

Vous pouvez utiliser la compréhension de liste sur une trame de données pour compter les fréquences des colonnes telles quelles.

[my_series[c].value_counts() for c in list(my_series.select_dtypes(include=['O']).columns)]

Panne:

my_series.select_dtypes(include=['O'])

Ne sélectionne que les données catégoriques

list(my_series.select_dtypes(include=['O']).columns)

Transforme les colonnes d'en haut en une liste

[my_series[c].value_counts() for c in list(my_series.select_dtypes(include=['O']).columns)]

Parcourt la liste ci-dessus et applique value_counts () à chacune des colonnes

9
jetpackdata.com

La réponse fournie par @DSM est simple et directe, mais je pensais ajouter ma propre contribution à cette question. Si vous regardez le code pour pandas.value_counts , vous verrez qu'il se passe beaucoup de choses.

Si vous devez calculer la fréquence de nombreuses séries, cela peut prendre un certain temps. Une implémentation plus rapide consisterait à utiliser numpy.unique avec return_counts = True

Voici un exemple:

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

Notez ici que l’article retourné est un pandas.Series

En comparaison, numpy.unique renvoie un tuple avec deux éléments, les valeurs uniques et les comptes.

vals, counts = np.unique(my_series, return_counts=True)
print(vals, counts)
[1 2 3] [1 2 3]

Vous pouvez ensuite les combiner dans un dictionnaire:

results = dict(Zip(vals, counts))
print(results)
{1: 1, 2: 2, 3: 3}

Et puis dans un pandas.Series

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