pandas分类求个数后排序取前十

你可以使用 pandas 的 value_counts() 方法来计算分类变量的个数，然后使用 sort_values() 方法对结果进行排序，最后使用 head() 方法取前十个值。以下是示例代码：

import pandas as pd

# 创建一个示例 DataFrame
data = {'category': ['A', 'B', 'A', 'C', 'B', 'B', 'A', 'D', 'E', 'F', 'G', 'H', 'I', 'J', 'K', 'L', 'M', 'N', 'O', 'P']}
df = pd.DataFrame(data)

# 计算每个类别的个数并排序取前十
top_10 = df['category'].value_counts().sort_values(ascending=False).head(10)

print(top_10)

这将输出每个类别的个数，并按照出现次数从大到小排序，然后取前十个值，如下所示：

A    3
B    3
C    1
P    1
O    1
N    1
M    1
L    1
K    1
J    1
Name: category, dtype: int64

这意味着类别 "A" 和 "B" 出现了 3 次，类别 "C" 仅出现了 1 次，而其余类别也仅出现了 1 次。

相关问题

pandas分类求个数后排序取前十，再转换为csv

好的，下面是实现的代码：

import pandas as pd

# 读取数据
data = pd.read_csv('data.csv')

# 统计各类别数量并排序
category_counts = data['category'].value_counts().sort_values(ascending=False)[:10]

# 转换为DataFrame
result = pd.DataFrame({'category': category_counts.index, 'count': category_counts.values})

# 保存为csv文件
result.to_csv('result.csv', index=False)

这段代码中，我们首先使用 `pandas` 库读取了一个名为 `data.csv` 的数据文件。接着，我们对数据中的 `category` 列进行了分类统计，并按照数量排序，只保留前十个。统计结果保存在 `category_counts` 变量中。

接下来，我们将 `category_counts` 转换为一个 `DataFrame`，并将其保存为一个名为 `result.csv` 的 csv 文件。在保存时，我们使用 `index=False` 参数指定不保存行索引。

注意，实际数据中的列名和文件名可能需要根据具体情况进行修改。

pandas分类求个数

你可以使用 pandas 的 value_counts() 方法来计算分类变量的个数。例如，如果你有一个名为 "category" 的分类列，你可以使用以下代码计算每个类别的个数：

import pandas as pd

# 创建一个示例 DataFrame
data = {'category': ['A', 'B', 'A', 'C', 'B', 'B', 'A']}
df = pd.DataFrame(data)

# 计算每个类别的个数
counts = df['category'].value_counts()

print(counts)

这将输出每个类别的个数，如下所示：

A    3
B    3
C    1
Name: category, dtype: int64

这意味着类别 "A" 出现了 3 次，类别 "B" 也出现了 3 次，而类别 "C" 仅出现了 1 次。