计算 Pandas 列中特定值的出现次数可以使用 value_counts() 函数。下面是对该函数的详细讲解。
Series.value_counts(normalize=False, sort=True, ascending=False, bins=None, dropna=True)
normalize: 如果为 True，则返回相对频率（每个值的出现次数除以总元素数）。如果为 False，则返回绝对频率（每个值出现的次数）。sort: 如果为 True，则按值进行排序。ascending: 如果为 True，则按升序排序。如果为 False，则按降序排序 (默认值)。bins: 将索引粘贴在该值中的值放在这些“箱子”中，以计算出具有指定箱限制的每个值的出现次数。例如，如果值是样本，这是实现离散化的基本方法。这是适用于：类似 hist ，但返回的是对象而不是绘制。输出推荐使用 Categorical 数据类型。dropna: 如果为 True，则不包括 NaN 值的计数在内（默认值）。 如果为 False，则计算 NaN 值的频率。该函数返回一个包含值计数的 Pandas Series，其中总计数为 Pandas Series 中的元素个数。
假设我们有以下数据，它以 Pandas DataFrame 的形式呈现：
import pandas as pd
data = {'语文': [88, 76, 92, 70, 89], '数学': [67, 90, 62, 98, 88], '英语': [76, 78, 82, 88, 84]}
df = pd.DataFrame(data, index=['张三', '李四', '王五', '赵六', '钱七'])
print(df)
执行上述代码，输出结果如下：
语文 数学 英语
张三 88 67 76
李四 76 90 78
王五 92 62 82
赵六 70 98 88
钱七 89 88 84
我们可以使用以下代码来计算 Pandas DataFrame 中每一列中各个数值的出现次数：
count = df['语文'].value_counts()
print(count)
执行上述代码，输出结果如下：
88 2
92 1
70 1
76 1
Name: 语文, dtype: int64
我们可以发现，输出结果包含每个值的出现次数以及该 Pandas Series 对象的索引（即语文成绩）。
如果我们希望按照出现次数降序（数量由高到低）排序，可以修改代码为：
count = df['语文'].value_counts(ascending=False)
print(count)
执行上述代码，输出结果如下：
88 2
70 1
76 1
92 1
Name: 语文, dtype: int64
这个示例说明如何计算 Pandas 列中特定值的出现次数，以及如何在计算过程中使用 value_counts() 函数的不同参数。
本文链接：http://task.lmcjl.com/news/17608.html