pandas新版本如何实现数据表多列频率统计

列频率统计

pandas 以前的版本(1.1以前)中，就已经存在单列的频率统计。

我们以泰坦尼克号罹难乘客数据为例子：

 

希望快速查看各个性别的记录数：

 

上面显示的是绝对数值，可以显示占比吗？

 

• 通过参数 normalize 可以转换成占比

但是，以上都是针对单列的统计，很多时候我们希望对多列组合的频率统计。

数据表的多列频率统计

现在，pandas 1.1 版本中已为 DataFrame 追加了同名方法 value_counts，下面来看看怎么使用。

查看性别与是否生还的统计数：

 

• 第一参数为 subset ，传入需要统计的列名的 list 即可

同样地，通过参数可以微调输出结果：

 

• 可以看出来男性生还率非常低

可能对于一些初学者来说会疑惑，难道旧版本得到这个结果很麻烦吗？

其实以前的版本做到一样的效果也是非常容易：

 

没有按频率倒序输出？

简单在后面"接上"排序操作，结果就一样了：

 

其实还有另一种解决思路，有兴趣看源码吧

统计比例也没有多大的事情：

 

那肯定用新版本的方法呀，新方法一句就做了你这么多句的事情！

但是！！！

下面，我们就来看看"自己做主"的优势

分段统计

之前在讲解单列的频率统计(Series.value_counts)时，其实遗漏了一个挺有用的参数，对于数值型的列才能使用。

希望查看年龄段的频率(分3段吧)：

 

• bins 参数指定分3段

通常我们希望按分段排序：

 

• 参数 sort 控制是否按频率倒序，设置为 False，则按索引排序

你是不是觉得新版本的 DataFrame.value_counts  也有这个参数呢？

很遗憾，并没有这个参数，应该考虑到组合列的值是不能分段的。

不过对于自定义函数，当然想干啥就干啥：

 

• 由于本身 DataFrame.groupby 就可以支持混合类型的 key。因此在 key 设置时，可以是列名(一个字符串)，也可以是列值，也可以是他们的混合