Pandas pd.value_counts() 函数

Pandas 常用函数

pd.value_counts() 是 Pandas 库中用于统计各值出现频次的函数。它会计算数组中每个唯一值出现的次数，并按频次降序排列返回。

这是分类数据分析中最常用的函数之一，可以快速了解数据的分布情况，例如统计投票结果、产品类别分布等。

单词释义： value_counts 意为"统计值"，即统计每个值出现的次数。

基本语法与参数

pd.value_counts() 是 Pandas 库的顶级函数，用于计算每个唯一值的频次。

语法格式

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

参数说明

• 参数： values
  • 类型： Series、类数组对象。
  • 描述： 要统计频次的数据。通常是一个 Series。
• 参数： sort
  • 类型> 布尔值。
  是否按频次排序。默认为 True（按频次降序）。
• 参数： ascending
  • 类型： 布尔值。
  如果为 True，按频次升序排列；如果为 False（默认），按频次降序排列。
• 参数： normalize
  • 类型： 布尔值。
  如果为 True，返回每个值出现的比例（0 到 1 之间），而不是绝对频次。默认为 False。
• 参数： bins
  • 类型： 整数或 None。
  如果指定整数，将数值数据分箱后统计频次（类似直方图）。不适用于分类数据。
• 参数： dropna
  • 类型： 布尔值。
  是否包含 NaN 在统计结果中。默认为 True（不包含）。

函数说明

• 返回值： 返回一个 Series，索引是唯一值，值是频次（或比例）。
• 效果： 统计并展示每个唯一值出现的次数。

实例

让我们通过一系列从简单到复杂的例子，彻底掌握 pd.value_counts() 的用法。

示例 1：基础用法 - 统计分类数据的频次

运行结果预期:

=== 原始 Series ===
0       red
1      blue
2     green
3       red
4     blue
5     yellow
6       red
7      blue
8       blue
dtype: object

=== pd.value_counts() 频次统计 ===
blue      4
red       3
green     1
yellow    1
dtype: int64

代码解析:

1. 结果按频次降序排列，blue 出现最多（4 次），red 次之（3 次），green 和 yellow 各 1 次。
2. 返回的是一个 Series，索引是颜色值，值是出现的次数。

示例 2：使用 normalize 参数计算比例

normalize=True 可以将频次转换为比例，便于查看数据的相对分布。

运行结果预期:

=== 投票数据 ===
0        A
1        B
2        A
3        C
4        A
5        B
值 'A' 出现 6 次，占 50%
值 'B' 出现 4 次，约 33.3%
值 'C' 出现 2 次，约 16.7%

=== 相对比例 ===
A    0.500000
B    0.333333
C    0.166667
dtype: float64

=== 升序排列 ===
C    2
B    4
A    6
dtype: int64

代码解析:

• 使用 normalize=True 可以快速计算各类别的占比。
• 所有比例相加等于 1.0，便于进行占比分析。
• 使用 ascending=True 可以按频次升序查看结果。

示例 3：处理数值数据和使用 bins 参数

对于连续数值，可以使用 bins 参数进行分箱统计。

运行结果预期:

=== 学生成绩 ===
[85, 90, 78, 92, 88, 76, 95, 82, 70, 89, 91, 77, 84, 86]

=== 统计每个分数 ===
85    2
90    1
78    1
92    1
88    1
76    1
95    1
82    1
70    1
89    1
91    1
77    1
84    1
86    1
Name: count, dtype: int64

=== 分成 4 个箱 ===
  result_bins = pd.value_counts(scores, bins=4)
(88.75, 95.0]                 5
(82.5, 88.75]                 4
(76.25, 82.5]                 3
(69.97399999999999, 76.25]    2
Name: count, dtype: int64

=== 分箱边界 ===
最小值: 70, 最大值: 95

这类似于直方图，能够看到成绩分布主要集中在中高分区间。bins 参数将数值数据按照范围划分为离散的箱子，然后统计每个箱子中的数据量。

示例 4：处理缺失值

使用 dropna 参数可以控制是否统计缺失值。

运行结果预期:

=== 包含缺失值的数据 ===
0       a
1       b
2     NaN
3       a
4    None
5       c
6     NaN
7       b
8       a
dtype: object

=== 默认不包含 NaN ===
a    3
b    2
c    1
dtype: 64

=== 包含 NaN (dropna=False) ===
a       3
b       2
NaN     2  # 2 个 NaN (2 个 np.nan)
c       1
dtype: int64

=== 数值型数据包含 NaN ===
1.0    2
2.0    2
NaN    2  # 2 个 NaN
3.0    1
4.0    1
dtype: int64

代码解析:

• 默认情况下（dropna=True），不统计 NaN 值。
• 使用 dropna=False 可以查看缺失值的数量，这在数据质量分析中很有用。
• 数值型数据同样适用。

提示： pd.value_counts() 是探索性数据分析中最重要的函数之一，可以快速了解数据的分布情况。如果只需要获取唯一值列表而不需要频次，请使用 pd.unique() 函数。

Pandas 常用函数