pandas value_counts 获取 其中出现一次的值

Pandas的value_counts方法可以用于获取一个Series中各个值出现的频次，但无法直接获取只出现一次的值。不过我们可以通过对value_counts方法的结果进行处理，筛选出只出现一次的值。

具体的做法是，我们可以先使用value_counts方法得到每个值的频次，然后使用布尔索引筛选出频次为1的值。

示例如下：

import pandas as pd

# 创建一个Series
s = pd.Series([1, 2, 3, 3, 4, 4, 5, 5, 6])

# 使用value_counts方法得到每个值的频次
value_counts_result = s.value_counts()

# 使用布尔索引筛选出频次为1的值
result = value_counts_result[value_counts_result == 1]

print(result)

输出结果：

1    1
2    1
6    1
dtype: int64

在上面的示例中，我们通过value_counts方法得到了每个值出现的频次，然后使用`value_counts_result == 1`得到了每个值是否为1次，最后通过布尔索引得到了只出现一次的值。

相关问题

pandas value_counts 详细用法

pandas中的value_counts()函数可以用于统计某一列中不同值出现的次数，它返回一个Series对象，其中包含每个不同值的计数。以下是它的详细用法：

DataFrame['column_name'].value_counts(
    normalize=False,
    sort=True,
    ascending=False,
    bins=None,
    dropna=True,
)

参数解释：

- normalize：设置为True时，返回每个不同值的百分比。
- sort：设置为True时，将结果按照计数值进行排序。
- ascending：设置为False时，将计数值从大到小排序。
- bins：设置为整数n时，将数据分为n个等宽的区间，并统计每个区间中不同值的计数。
- dropna：设置为False时，将包含NaN值的计数值也进行计算。

示例：

import pandas as pd

data = {'name': ['Tom', 'Jerry', 'Tom', 'Lucy', 'Jerry']}
df = pd.DataFrame(data)

# 统计name列中每个不同值出现的次数
value_counts = df['name'].value_counts()
print(value_counts)

# 按照计数值进行排序
sorted_counts = df['name'].value_counts().sort_values()
print(sorted_counts)

# 返回每个不同值的百分比
percent_counts = df['name'].value_counts(normalize=True)
print(percent_counts)

# 将数据分为3个等宽的区间，并统计每个区间中不同值的计数
binned_counts = df['name'].value_counts(bins=3)
print(binned_counts)

# 包含NaN值的计数值也进行计算
nan_counts = pd.Series(['Tom', 'Jerry', 'Tom', 'Lucy', None]).value_counts(dropna=False)
print(nan_counts)

pandas value_counts算百分比

Pandas是一个Python库，专门用于处理和分析数据。在Pandas中，value_counts()是一个函数，用于计算数据集中每个唯一值的出现次数。如果我们想要计算这些值的百分比，可以使用normalize参数。normalize默认是False，即返回数据集中每个唯一值的计数。如果将normalize参数设置为True，value_counts()函数将按百分比返回每个唯一值出现的频率，而不是计数。例如，如果我们有一个包含1000个元素的数据集，其中有300个“是”和700个“否”，并且我们运行以下代码：

import pandas as pd

data = ["yes"] * 300 + ["no"] * 700
s = pd.Series(data)

print(s.value_counts(normalize=True))

我们将获得以下输出：

no     0.7
yes    0.3
dtype: float64

这表示“是”占30％，“否”占70％。根据需要，我们还可以将百分比格式化为特定的数字或字符串格式。