DataFrame基于列统计个数

可以使用pandas库中的value_counts()方法来统计DataFrame中每一列的唯一值数量。该方法返回一个Series对象，其中包含每个唯一值及其出现的次数。

例如，假设有以下DataFrame：

import pandas as pd

data = {'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Alice'],
        'Age': [25, 32, 18, 47, 25],
        'Gender': ['F', 'M', 'M', 'M', 'F']}

df = pd.DataFrame(data)

可以使用value_counts()方法来统计每一列的唯一值数量：

print(df['Name'].value_counts())
print(df['Age'].value_counts())
print(df['Gender'].value_counts())

输出结果为：

Alice      2
Charlie    1
David      1
Bob        1
Name: Name, dtype: int64
25    2
32    1
47    1
18    1
Name: Age, dtype: int64
M    3
F    2
Name: Gender, dtype: int64

相关问题

dataframe 条件 统计

DataFrame是Pandas库中常用的数据结构，它是一个二维表格，可以看作是由列名索引的 Series 的集合。对于DataFrame，我们可以使用条件统计（condition-based statistics）来筛选、计算特定满足条件的值。

例如，如果你想统计某个DataFrame中某一列（假设列为'data_column'）大于某个阈值（如50）的行数，你可以这样做：

count = df['data_column'].value_counts()[df['data_column'] > 50]

这将返回满足条件的非空值的数量。如果你想要计算符合条件的平均值、总和或其他聚合函数，可以使用`df.loc[]`或`.query()`结合条件表达式：

average_value = df[df['data_column'] > 50]['data_column'].mean()
total_sum = df.query('data_column > 50')['data_column'].sum()

这里，`df.loc[]`用于基于条件选择行，而`.query()`则直接在表达式级别执行条件过滤。

dataframe对某列求平均

要对DataFrame的某一列求平均值，可以使用mean()函数。首先，你需要使用引用中的代码生成一个随机的DataFrame对象df。然后，使用df.mean()即可得到该DataFrame对象中每一列的平均值。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* [DataFrame求某列数据的均值，方差等统计数](https://blog.csdn.net/qq_53817374/article/details/123387027)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 33.333333333333336%"]
- *2* [Python中如何查看Pandas DataFrame对象列的最大值、最小值、平均值、标准差、中位数等](https://download.csdn.net/download/weixin_38677808/13750214)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 33.333333333333336%"]
- *3* [pandas基于时间序列的固定时间间隔求均值的方法](https://download.csdn.net/download/weixin_38623919/14001231)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 33.333333333333336%"]
[ .reference_list ]