Pandas中value_counts方法在每个列上的应用

在数据分析的过程中，我们经常需要对数据中出现的不同值进行计数。对于Python中最常用的数据分析库Pandas而言，我们可以使用其提供的value_counts方法来实现这个功能。
在本文中，我们将介绍如何在Pandas中使用value_counts方法来对每个列中出现的不同值进行计数，以及如何进行结果的排序和筛选。
阅读更多：Pandas 教程

数据准备

假设我们有以下的一个数据集，其中包含了学生的姓名、性别和所属的班级。
| 姓名 | 性别 | 班级 |
| —– | —- | —— |
| 小明 | 男 | 1班 |
| 小红 | 女 | 2班 |
| 小刚 | 男 | 1班 |
| 小李 | 男 | 3班 |
| 小美 | 女 | 2班 |
| 小张 | 男 | 3班 |
| 小丽 | 女 | 1班 |
我们可以使用Pandas将这个数据集读入到一个DataFrame对象中：

import pandas as pd

data = {
    '姓名': ['小明', '小红', '小刚', '小李', '小美', '小张', '小丽'],
    '性别': ['男', '女', '男', '男', '女', '男', '女'],
    '班级': ['1班', '2班', '1班', '3班', '2班', '3班', '1班'],
}

df = pd.DataFrame(data)

对每个列进行计数

有了DataFrame对象之后，我们就可以对每个列上的值进行计数了。对于单个列而言，我们可以使用以下代码来获取不同值的计数：

df['姓名'].value_counts()

输出的结果为：

小李    1
小刚    1
小美    1
小丽    1
小红    1
小张    1
小明    1
Name: 姓名, dtype: int64

这里的value_counts方法返回的结果是一个Series对象，其中的每个元素对应了该列中一个不同的取值和其出现的次数。我们可以看到，每个姓名出现了一次。
同样地，我们可以获取性别和班级各自取值的计数：

df['性别'].value_counts()
df['班级'].value_counts()

对结果进行排序

在某些情况下，我们可能希望对value_counts方法返回的结果进行排序，以便更清楚地了解哪些取值出现的次数最多。我们可以使用sort_values方法来对结果进行排序：

df['姓名'].value_counts().sort_values(ascending=False)

输出的结果为：

小丽    1
小红    1
小美    1
小张    1
小李    1
小刚    1
小明    1
Name: 姓名, dtype: int64

这里的sort_values方法默认按照出现次数进行升序排序，我们可以通过设置参数ascending为False来进行降序排序。上面的代码就是按照出现次数降序排列的结果。

对结果进行筛选

在实际数据分析中，我们可能只关心那些出现次数较高的取值。对于这种情况，我们可以使用一些条件来筛选结果。
例如，我们想要查找出现次数大于1的姓名，可以使用以下代码：

vc = df['姓名'].value_counts()
vc[vc > 1]

输出的结果为：

Series([], Name: 姓名, dtype: int64)

我们可以看到，由于这个数据集中每个姓名都只出现了一次，所以我们没有找到出现次数大于1的姓名。
再例如，如果我们想要查找性别为女性、班级为2班的学生，可以使用以下代码：

df[(df['性别'] == '女') & (df['班级'] == '2班')]

输出的结果为：

  姓名 性别 班级
1  小红  女  2班
4  小美  女  2班

这里用到了DataFrame的索引（[]）和逻辑运算符(&)，可以根据自己的需要进行筛选。

总结

在本文中，我们介绍了如何在Pandas中使用value_counts方法对每个列中出现的不同取值进行计数，并对结果进行排序和筛选。这些操作可以帮助我们更深入地了解数据集的构成和分布，为后续的数据分析和建模提供更有效的依据。