pandas新版本如何實(shí)現(xiàn)數(shù)據(jù)表多列頻率統(tǒng)計(jì)

列頻率統(tǒng)計(jì)

pandas 以前的版本(1.1以前)中，就已經(jīng)存在單列的頻率統(tǒng)計(jì)。

我們以泰坦尼克號罹難乘客數(shù)據(jù)為例子：

 

希望快速查看各個(gè)性別的記錄數(shù)：

 

上面顯示的是絕對數(shù)值，可以顯示占比嗎？

 

• 通過參數(shù) normalize 可以轉(zhuǎn)換成占比

但是，以上都是針對單列的統(tǒng)計(jì)，很多時(shí)候我們希望對多列組合的頻率統(tǒng)計(jì)。

數(shù)據(jù)表的多列頻率統(tǒng)計(jì)

現(xiàn)在，pandas 1.1 版本中已為 DataFrame 追加了同名方法 value_counts，下面來看看怎么使用。

查看性別與是否生還的統(tǒng)計(jì)數(shù)：

 

• 第一參數(shù)為 subset ，傳入需要統(tǒng)計(jì)的列名的 list 即可

同樣地，通過參數(shù)可以微調(diào)輸出結(jié)果：

 

• 可以看出來男性生還率非常低

可能對于一些初學(xué)者來說會(huì)疑惑，難道舊版本得到這個(gè)結(jié)果很麻煩嗎？

其實(shí)以前的版本做到一樣的效果也是非常容易：

 

沒有按頻率倒序輸出？

簡單在后面"接上"排序操作，結(jié)果就一樣了：

 

其實(shí)還有另一種解決思路，有興趣看源碼吧

統(tǒng)計(jì)比例也沒有多大的事情：

 

那肯定用新版本的方法呀，新方法一句就做了你這么多句的事情！

但是?。?！

下面，我們就來看看"自己做主"的優(yōu)勢

分段統(tǒng)計(jì)

之前在講解單列的頻率統(tǒng)計(jì)(Series.value_counts)時(shí)，其實(shí)遺漏了一個(gè)挺有用的參數(shù)，對于數(shù)值型的列才能使用。

希望查看年齡段的頻率(分3段吧)：

 

• bins 參數(shù)指定分3段

通常我們希望按分段排序：

 

• 參數(shù) sort 控制是否按頻率倒序，設(shè)置為 False，則按索引排序

你是不是覺得新版本的 DataFrame.value_counts  也有這個(gè)參數(shù)呢？

很遺憾，并沒有這個(gè)參數(shù)，應(yīng)該考慮到組合列的值是不能分段的。

不過對于自定義函數(shù)，當(dāng)然想干啥就干啥：

 

• 由于本身 DataFrame.groupby 就可以支持混合類型的 key。因此在 key 設(shè)置時(shí)，可以是列名(一個(gè)字符串)，也可以是列值，也可以是他們的混合