Ho un set di dati

|category|
cat a
cat b
cat a

Vorrei poter restituire qualcosa del genere (mostrando valori e frequenza unici)

category | freq |
cat a       2
cat b       1

Usa groupbye count:

In [37]:
df = pd.DataFrame({'a':list('abssbab')})
df.groupby('a').count()

Out[37]:

   a
a   
a  2
b  3
s  2

[3 rows x 1 columns]

Consulta i documenti online: http://pandas.pydata.org/pandas-docs/stable/groupby.html

Inoltre, value_counts()come ha commentato @DSM, molti modi per scuoiare un gatto qui

In [38]:
df['a'].value_counts()

Out[38]:

b    3
a    2
s    2
dtype: int64

Se si desidera aggiungere di nuovo la frequenza al frame di dati originale, utilizzare transformper restituire un indice allineato:

In [41]:
df['freq'] = df.groupby('a')['a'].transform('count')
df

Out[41]:

   a freq
0  a    2
1  b    3
2  s    2
3  s    2
4  b    3
5  a    2
6  b    3

[7 rows x 2 columns]

Se si desidera applicare a tutte le colonne è possibile utilizzare:

df.apply(pd.value_counts)

Ciò applicherà una funzione di aggregazione basata su colonna (in questo caso value_counts) a ciascuna delle colonne.

df.category.value_counts()

Questa breve riga di codice ti darà l'output che desideri.

Se il nome della tua colonna ha spazi che puoi usare

df['category'].value_counts()

df.apply(pd.value_counts).fillna(0)

value_counts - Restituisce un oggetto contenente conteggi di valori univoci

applica - conta la frequenza in ogni colonna. Se si imposta axis=1, si ottiene la frequenza in ogni riga

fillna (0) - rende l'output più elaborato. NaN modificato a 0

In 0.18.1 groupbyinsieme a countnon viene fornita la frequenza di valori univoci:

>>> df
   a
0  a
1  b
2  s
3  s
4  b
5  a
6  b

>>> df.groupby('a').count()
Empty DataFrame
Columns: []
Index: [a, b, s]

Tuttavia, i valori univoci e le loro frequenze sono facilmente determinabili utilizzando size:

>>> df.groupby('a').size()
a
a    2
b    3
s    2

Con i df.a.value_counts()valori ordinati (in ordine decrescente, ovvero prima il valore più grande) vengono restituiti per impostazione predefinita.

Utilizzo della comprensione dell'elenco e dei conteggi valore per più colonne in un file df

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

https://stackoverflow.com/a/28192263/786326

Se il tuo DataFrame ha valori con lo stesso tipo, puoi anche impostare return_counts=Truein numpy.unique () .

index, counts = np.unique(df.values,return_counts=True)

np.bincount () potrebbe essere più veloce se i tuoi valori sono numeri interi.

Senza librerie, puoi invece farlo:

def to_frequency_table(data):
    frequencytable = {}
    for key in data:
        if key in frequencytable:
            frequencytable[key] += 1
        else:
            frequencytable[key] = 1
    return frequencytable

Esempio:

to_frequency_table([1,1,1,1,2,3,4,4])
>>> {1: 4, 2: 1, 3: 1, 4: 2}

Puoi anche farlo con i panda trasmettendo prima le tue colonne come categorie, ad dtype="category"es

cats = ['client', 'hotel', 'currency', 'ota', 'user_country']

df[cats] = df[cats].astype('category')

e poi chiamando describe:

df[cats].describe()

Questo ti darà una bella tabella di conteggi di valore e un po 'di più :):

    client  hotel   currency    ota user_country
count   852845  852845  852845  852845  852845
unique  2554    17477   132 14  219
top 2198    13202   USD Hades   US
freq    102562  8847    516500  242734  340992

n_values = data.income.value_counts()

Primo conteggio del valore univoco

n_at_most_50k = n_values[0]

Secondo conteggio del valore univoco

n_greater_50k = n_values[1]

n_values

Produzione:

<=50K    34014
>50K     11208

Name: income, dtype: int64

Produzione:

n_greater_50k,n_at_most_50k:-
(11208, 34014)

@metatoaster l'ha già sottolineato. Andare per Counter. È velocissimo.

import pandas as pd
from collections import Counter
import timeit
import numpy as np

df = pd.DataFrame(np.random.randint(1, 10000, (100, 2)), columns=["NumA", "NumB"])

Timer

%timeit -n 10000 df['NumA'].value_counts()
# 10000 loops, best of 3: 715 µs per loop

%timeit -n 10000 df['NumA'].value_counts().to_dict()
# 10000 loops, best of 3: 796 µs per loop

%timeit -n 10000 Counter(df['NumA'])
# 10000 loops, best of 3: 74 µs per loop

%timeit -n 10000 df.groupby(['NumA']).count()
# 10000 loops, best of 3: 1.29 ms per loop

Saluti!

Usa questo codice:

import numpy as np
np.unique(df['a'],return_counts=True)

your data:

|category|
cat a
cat b
cat a

soluzione:

 df['freq'] = df.groupby('category')['category'].transform('count')
 df =  df.drop_duplicates()

Credo che questo dovrebbe funzionare bene per qualsiasi elenco di colonne DataFrame.

def column_list(x):
    column_list_df = []
    for col_name in x.columns:
        y = col_name, len(x[col_name].unique())
        column_list_df.append(y)
return pd.DataFrame(column_list_df)

column_list_df.rename(columns={0: "Feature", 1: "Value_count"})

La funzione "column_list" controlla i nomi delle colonne e quindi controlla l'unicità dei valori di ciascuna colonna.