Как реализовать `Dataframe.value_counts()` без указания имени столбца при использовании `Series.value_counts`

Например, я получаю фрейм данных следующим образом:

    PassengerId   Survived    Pclass    
0   1             0           3 
1   2             1           1 
2   3             1           3 

И после вызова df.value_counts() я могу получить value_counts() всех столбцов, не указывая столбец каждый раз, что может быть следующим образом:

1      1
2      1
3      1
Name: PassengerId, dtype: int64

0      1
1      2
Name: Survived, dtype: int64

3      2
1      1
Name: Survived, dtype: int64

Мне интересно, как это реализовать.
Кто-нибудь может мне помочь?
Заранее спасибо.

df.apply(pd.value_counts)?
yatu 22.05.2019 15:44

Я думаю, что jezrael's SeriesGroupBy.value_counts — это именно то, что я хочу.

Bowen Peng 22.05.2019 16:16
Почему в Python есть оператор "pass"?
Почему в Python есть оператор "pass"?
Оператор pass в Python - это простая концепция, которую могут быстро освоить даже новички без опыта программирования.
Некоторые методы, о которых вы не знали, что они существуют в Python
Некоторые методы, о которых вы не знали, что они существуют в Python
Python - самый известный и самый простой в изучении язык в наши дни. Имея широкий спектр применения в области машинного обучения, Data Science,...
Основы Python Часть I
Основы Python Часть I
Вы когда-нибудь задумывались, почему в программах на Python вы видите приведенный ниже код?
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
Алиса и Боб имеют неориентированный граф из n узлов и трех типов ребер:
Оптимизация кода с помощью тернарного оператора Python
Оптимизация кода с помощью тернарного оператора Python
И последнее, что мы хотели бы показать вам, прежде чем двигаться дальше, это
Советы по эффективной веб-разработке с помощью Python
Советы по эффективной веб-разработке с помощью Python
Как веб-разработчик, Python может стать мощным инструментом для создания эффективных и масштабируемых веб-приложений.
1
2
311
3
Перейти к ответу Данный вопрос помечен как решенный

Ответы 3

Ответ принят как подходящий

Есть 2 решения с DataFrame.apply для функции применения по столбцам, но индексы выравниваются по их пересечению, поэтому добавляются NaNs:

df1 = df.apply(pd.value_counts)
print (df1)
   PassengerId  Survived  Pclass
0          NaN       1.0     NaN
1          1.0       2.0     1.0
2          1.0       NaN     NaN
3          1.0       NaN     2.0

df1 = df.apply(pd.Series.value_counts)
print (df1)
   PassengerId  Survived  Pclass
0          NaN       1.0     NaN
1          1.0       2.0     1.0
2          1.0       NaN     NaN
3          1.0       NaN     2.0

Во избежание можно использовать SeriesGroupBy.value_counts:

df1 = df.stack().groupby(level=1).value_counts().rename_axis(('a','b')).reset_index(name='c')
print (df1)
             a  b  c
0  PassengerId  1  1
1  PassengerId  2  1
2  PassengerId  3  1
3       Pclass  3  2
4       Pclass  1  1
5     Survived  1  2
6     Survived  0  1

Или оригинальное решение с DataFrame.stack:

df1 = (df.apply(pd.Series.value_counts)
         .stack()
         .astype(int)
         .rename_axis(('a','b'))
         .reset_index(name='c')
print (df1)
   a            b  c
0  0     Survived  1
1  1  PassengerId  1
2  1     Survived  2
3  1       Pclass  1
4  2  PassengerId  1
5  3  PassengerId  1
6  3       Pclass  2

Другой альтернативой является использование melt

df.reset_index().melt('index').groupby('index').value.value_counts()
Out[608]: 
index  value
0      0        1
       1        1
       3        1
1      1        2
       2        1
2      3        2
       1        1
Name: value, dtype: int64

Вы можете попробовать следующий код:

d = {'PassengerId':pd.Series([1,2,3]),
  'Survived':pd.Series([0,1,1]),
  'Pclass':pd.Series([3,1,3])}
df=pd.DataFrame(d)
print(df)

s=[]
for i in range(df.shape[0]):
    s.append(pd.Series(df.apply(pd.value_counts).values[:,i]).dropna())
print('\nvalue counts each column:')
print(s)

Выход:

   PassengerId  Survived  Pclass
0            1         0       3
1            2         1       1
2            3         1       3

value counts each column:
[1    1.0
2    1.0
3    1.0
dtype: float64, 0    1.0
1    2.0
dtype: float64, 1    1.0
3    2.0
dtype: float64]

Другие вопросы по теме