pandas统计多列数据值 的 出现的个数

可以使用 `value_counts()` 方法来统计多列数据值的出现个数。

假设有一个数据集 `df`，其中有两列数据 `col1` 和 `col2`，我们可以使用如下代码来统计这两列数据值的出现个数：

counts = df[['col1', 'col2']].apply(lambda x: tuple(x), axis=1).value_counts()

这里用到了 `apply()` 方法和 `lambda` 表达式将 `col1` 和 `col2` 合并成一个元组，然后使用 `value_counts()` 方法统计元组出现的次数。

最终会得到一个 `counts` 变量，它是一个 Pandas 的 Series 对象，其中的索引是元组，表示 `col1` 和 `col2` 的值，而 Series 对象中的值则是元组出现的次数。

相关问题

如何利用pandas统计某列下相应数值的个数

可以使用 Pandas 的 `value_counts()` 方法统计某列下每个数值出现的次数。假设你有一个名为 `data.csv` 的文件，其中包含一个名为 `col` 的列，你可以按如下方式操作：

import pandas as pd

# 读取文件，假设有列名
df = pd.read_csv('data.csv')

# 统计 'col' 列中每个数值出现的次数
value_counts = df['col'].value_counts()

# 打印结果
print(value_counts)

这会输出一个类似以下内容的结果：

1.0    100
2.0     80
3.0     50
4.0     30
5.0     20
Name: col, dtype: int64

其中，每行表示一个数值及其出现次数，第一列是数值，第二列是出现次数。你可以使用这个结果进行进一步的数据分析和可视化。

如果你想统计多个列的数值，你可以使用 `groupby()` 方法对多个列进行分组，然后使用 `value_counts()` 方法统计每组中数值的出现次数。例如，假设你有两个列 `col_1` 和 `col_2`，你可以按如下方式操作：

# 统计 'col_1' 和 'col_2' 两列中每个数值出现的次数
value_counts = df.groupby(['col_1', 'col_2']).size()

# 打印结果
print(value_counts)

这会输出一个类似以下内容的结果：

col_1  col_2
1      a        50
       b        30
       c        20
2      a        40
       b        20
       c        20
3      a        30
       b        10
       c        10
dtype: int64

其中，每行表示一个数值及其出现次数，第一列是 `col_1` 和 `col_2` 的值，第二列是出现次数。你可以根据需要进行进一步的数据处理和可视化。

pandas多列去重并统计重复个数

可以使用 pandas 的 groupby 函数和 nunique 函数来实现多列去重并统计重复个数。

假设我们有一个数据集 df，其中包含三列 A、B、C：

import pandas as pd

df = pd.DataFrame({
    'A': ['foo', 'bar', 'foo', 'bar', 'foo', 'bar', 'foo', 'foo'],
    'B': ['one', 'one', 'two', 'three', 'two', 'two', 'one', 'three'],
    'C': [1, 2, 1, 1, 2, 1, 2, 1]
})

我们想要根据列 A 和 B 去重，并统计重复的个数。可以使用以下代码：

df.groupby(['A', 'B']).nunique()

输出结果如下：

         A  B  C
A   B          
bar one  1  1  1
    three    1  1  1
    two  1  1  1
foo one  1  1  2
    three    1  1  1
    two  1  1  1

其中，第一列和第二列是去重后的列 A 和 B，第三列是重复的个数（即列 C 的不同值的个数）。