Эффективный подсчет частоты значений в Pandas DataFrame

Pandas — мощная библиотека Python для анализа данных, и частая задача включает определение частоты значений в DataFrame. В этой статье рассматриваются три эффективных метода подсчета частоты значений: value_counts(), groupby().size() и groupby().count(). Мы рассмотрим каждый метод, подчеркнув их сильные и слабые стороны, и предоставим наглядные примеры.

Оглавление

• Метод Series.value_counts()
• Метод df.groupby().size()
• Метод df.groupby().count()

Метод Series.value_counts()

Метод value_counts() — самый простой и эффективный способ подсчета частоты значений в одном столбце (Series). Он возвращает Series, где индекс представляет уникальные значения, а значения — их количество, отсортированные по убыванию по умолчанию. Это идеально подходит, когда вам нужна частота отдельных значений в конкретном столбце.

import pandas as pd

data = {'Category': ['A', 'A', 'B', 'B', 'A', 'C', 'A']}
df = pd.DataFrame(data)

category_counts = df['Category'].value_counts()
print(category_counts)

Вывод:

A    4
B    2
C    1
Name: Category, dtype: int64

Метод df.groupby().size()

Метод groupby().size() предоставляет размер каждой группы (количество строк) после группировки DataFrame. В отличие от groupby().count(), он не зависит от пропущенных значений в других столбцах; он просто подсчитывает строки в каждой группе. Это идеально подходит для получения простого подсчета вхождений групп.

import pandas as pd

data = {'Category': ['A', 'A', 'B', 'B', 'A', 'C'],
        'Value': [1, 2, 1, 1, 2, 3]}
df = pd.DataFrame(data)

category_counts = df.groupby('Category').size()
print(category_counts)

Вывод:

Category
A    3
B    2
C    1
dtype: int64

Метод df.groupby().count()

Метод groupby().count() универсален, позволяя подсчитывать частоты по нескольким столбцам. Он группирует DataFrame, а затем подсчитывает непустые значения в каждой группе для *всех* столбцов. Это означает, что пропущенные данные повлияют на подсчет. Используйте этот метод, когда вам нужен подсчет по нескольким столбцам, но помните о возможном влиянии пропущенных данных.

import pandas as pd

data = {'Category': ['A', 'A', 'B', 'B', 'A', 'C'],
        'Value': [1, 2, 1, 1, 2, 3],
        'Value2': [10, 20, 30, 40, 50, 60]}
df = pd.DataFrame(data)

# Подсчет вхождений 'Category' по всем столбцам
category_counts = df.groupby('Category').count()
print(category_counts)

# Фокусировка на одном столбце
category_counts_value = df.groupby('Category')['Value'].count()
print(category_counts_value)

Вывод:

         Value  Value2
Category                 
A            3       3
B            2       2
C            1       1

Category
A    3
B    2
C    1
Name: Value, dtype: int64

В заключение, наилучший метод зависит от ваших конкретных потребностей. value_counts() лучше всего подходит для отдельных столбцов, groupby().size() — для простого подсчета групп, а groupby().count() — для более сложных сценариев, включающих несколько столбцов, но требует осторожного обращения с пропущенными значениями.