type - pandas python statistics

Tabla de frecuencia para una sola variable

Question

Una última pregunta para pandas novatos del día: ¿cómo puedo generar una tabla para una sola serie?

Por ejemplo:

my_series = pandas.Series([1,2,2,3,3,3])
pandas.magical_frequency_function( my_series )
>> {
1 : 1,
2 : 2,
3 : 3
}

Un montón de google me ha llevado a Series.describe () y pandas.crosstabs, pero ninguno de estos hace todo lo que necesito: una variable, cuenta por categorías. Ah, y estaría bien si funcionara para diferentes tipos de datos: cadenas, entradas, etc.

Answer 1

La respuesta proporcionada por @DSM es simple y directa, pero pensé que agregaría mi propia opinión a esta pregunta. Si miras el código de pandas.value_counts , verás que están sucediendo muchas cosas.

Si necesita calcular la frecuencia de muchas series, esto podría demorar un tiempo. Una implementación más rápida sería usar numpy.unique con return_counts = True

Aquí hay un ejemplo:

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

Observe aquí que el artículo devuelto es pandas.Series

En comparación, numpy.unique devuelve una tupla con dos elementos, los valores únicos y los recuentos.

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

A continuación, puede combinarlos en un diccionario:

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

Y luego en un pandas.Series

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

Answer 2

Puede usar la comprensión de listas en un marco de datos para contar las frecuencias de las columnas como tales

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

Descompostura:

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

Selecciona solo los datos categóricos

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

Convierte las columnas de arriba en una lista

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

Itera en la lista de arriba y aplica value_counts () a cada una de las columnas

Answer 3

Tal vez .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}