如何计算 pandas 中每个唯一值的出现 [英] how to count occurrence of each unique value in pandas

问题描述

我有大熊猫数据框，我想计算其中每个唯一值的出现，我尝试跟踪，但要花很多时间和内存。

  pack = [] 
用于索引，以包为单位。 （）：
 pack.extend（pd.Series（row）.dropna（）。values.tolist（））
 
不重复，count = np.unique（pack，return_counts = True） 
 counts = np.asarray（（unique，count））
  

解决方案

似乎您想跨所有列计算值计数。您可以将其展平为一个系列，删除NaN，然后​​调用 value_counts 。这是一个示例-

  df 
 
ab 
 0 1.0 NaN 
 1 1.0 NaN 
 2 3.0 3.0 
 3 NaN 4.0 
 4 5.0 NaN 
 5 NaN 4.0 
 6 NaN 5.0 
  

  pd.Series（df.values.ravel（））。dropna（）。value_counts （）
 
 5.0 2 
 4.0 2 
 3.0 2 
 1.0 2 
 dtype：int64 
  

另一种方法是使用 np.unique -

  u，c = np.unique（pd.Series（df.values.ravel（））。dropna（）。values，return_counts = True）
 pd.Series（ c，index = u）
 
 1.0 2 
 3.0 2 
 4.0 2 
 5.0 2 
 dtype：int64 
  

请注意，第一种方法以结果的降序对结果进行排序，而第二种方法则不。

I have large pandas dataframe, I would like to count the occurrence of each unique value in it, I try following but it takes to much time and memory usage. How can I do it in a pythonic way?

pack=[]
for index,row in packets.iterrows ():
    pack.extend(pd.Series(row).dropna().values.tolist())

unique, count= np.unique(pack, return_counts=True)
counts= np.asarray((unique, count))

解决方案

It seems like you want to compute value counts across all columns. You can flatten it to a series, drop NaNs, and call value_counts. Here's a sample -

df

     a    b
0  1.0  NaN
1  1.0  NaN
2  3.0  3.0
3  NaN  4.0
4  5.0  NaN
5  NaN  4.0
6  NaN  5.0

pd.Series(df.values.ravel()).dropna().value_counts()

5.0    2
4.0    2
3.0    2
1.0    2
dtype: int64

Another method is with np.unique -

u, c = np.unique(pd.Series(df.values.ravel()).dropna().values, return_counts=True)
pd.Series(c, index=u)

1.0    2
3.0    2
4.0    2
5.0    2
dtype: int64

Note that the first method sorts results in descending order of counts, while the latter does not.

这篇关于如何计算 pandas 中每个唯一值的出现的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！