count = df['区域'].value_counts() plt.pie(count, labels=count.keys(), labeldistance=1.2, autopct='%2.1f%%') plt.axis('equal') # 使饼图为正圆形 plt.legend(loc='upper left', bbox_to_anchor=(-0.1, 1)) plt.savefig(city+'_'+kind+'_'+'公司分布.png') plt.show()

时间: 2023-06-26 21:03:12 浏览: 151

pandas计数 value_counts()的使用

5星 · 资源好评率100%

### pandas计数 value_counts() 的使用详解在数据分析领域，`pandas` 是一个非常重要的 Python 库，它提供了高效的数据结构以及数据处理工具。其中一个常用的功能是 `value_counts()` 方法，它可以用来统计数据集中各个唯一值出现的次数。本文将详细介绍 `value_counts()` 方法的用法，并通过具体示例来帮助读者更好地理解和应用这一功能。 #### 1. Series 情况下的 `value_counts()` 在 `pandas` 的 `Series` 对象中，`value_counts()` 可以用来统计每个唯一值出现的频次，并按照出现次数从多到少进行排序。这对于快速了解数据分布情况非常有用。 ##### 示例代码： ```python import pandas as pd # 创建一个包含多个城市的 DataFrame df = pd.DataFrame({ '区域': ['西安', '太原', '西安', '太原', '郑州', '太原'], '10月份销售': ['0.477468', '0.195046', '0.015964', '0.259654', '0.856412', '0.259644'], '9月份销售': ['0.347705', '0.151220', '0.895599', '0.236547', '0.569841', '0.254784'] }) # 输出原始 DataFrame print(df) # 统计每个区域出现的次数 print(df['区域'].value_counts()) # 输出结果： # 太原 3 # 西安 2 # 郑州 1 # Name: 区域, dtype: int64 ``` 从上面的示例可以看到，`value_counts()` 默认按照降序排列各个唯一值及其出现次数。如果需要按升序排列，则可以通过设置参数 `ascending=True` 实现： ```python # 设置参数 ascending=True 来实现升序排列 print(df['区域'].value_counts(ascending=True)) # 输出结果： # 郑州 1 # 西安 2 # 太原 3 # Name: 区域, dtype: int64 ``` 另外，还可以通过设置 `normalize=True` 参数来获取每个唯一值出现的比例（即占比），这对于理解数据分布特性很有帮助： ```python # 获取每个区域出现的比例 print(df['区域'].value_counts(normalize=True)) # 输出结果： # 太原 0.500000 # 西安 0.333333 # 郑州 0.166667 # Name: 区域, dtype: float64 ``` #### 2. DataFrame 情况下的 `value_counts()` 当处理 `DataFrame` 时，可以使用 `apply()` 方法结合 `value_counts()` 来统计每一列中唯一值的出现次数。这样可以同时查看多个列的统计数据。 ##### 示例代码： ```python # 创建一个包含两个城市列的 DataFrame df = pd.DataFrame({ '区域1': ['西安', '太原', '西安', '太原', '郑州', '太原'], '区域2': ['太原', '太原', '西安', '西安', '西安', '太原'] }) # 输出原始 DataFrame print(df) # 使用 apply() 方法来统计每列中的值 print(df.apply(pd.value_counts)) # 输出结果： # 区域1 区域2 # 西安 2 NaN 3 2.0 # 太原 3 NaN 3 3.0 # 郑州 1 NaN 0 NaN ``` 这里需要注意的是，如果某个值在某列中未出现，则对应的计数会显示为 `NaN`。这有助于识别哪些值在某些列中不存在。 #### 总结 `value_counts()` 是一个非常实用的工具，可以帮助用户快速地了解数据集中的值分布情况。无论是对于单个 `Series` 还是整个 `DataFrame`，这个方法都能提供有价值的信息。通过对 `ascending` 和 `normalize` 参数的不同设置，可以灵活地调整输出结果，从而更好地满足数据分析的需求。希望本文能帮助您更深入地掌握 `value_counts()` 的使用技巧，从而在实际工作中更加得心应手。

这段代码是用来生成一个以区域为分类的饼图，其中count变量是通过pandas库中的value_counts()函数计算每个区域出现的频率。然后使用matplotlib库中的pie()函数生成饼图，并设置饼图的标签、标签离圆心的距离、自动计算百分比等参数。接着使用axis()函数使饼图为正圆形，使用legend()函数添加图例并指定位置和边框框距离等参数。最后使用savefig()函数保存饼图到本地文件，并使用show()函数展示饼图。其中的city、kind是变量名，具体含义需要根据具体代码上下文来理解。

阅读全文

count = df['区域'].value_counts() plt.pie(count, labels=count.keys(), labeldistance=1.2, autopct='%2.1f%%') plt.axis('equal') # 使饼图为正圆形 plt.legend(loc='upper left', bbox_to_anchor=(-0.1, 1)) plt.savefig(city+'_'+kind+'_'+'公司分布.png') plt.show()

相关推荐

instruction_count_test.rar_The Count

count-ones.rar_gaoptimset

pie_data = df['工作经验'] # 统计每个值的数量 value_counts = pie_data.value_counts() # 绘制饼图 plt.pie(value_counts, labels=value_counts.index,autopct='%2.1f%%') plt.axis('equal') plt.title("工作经验要求饼图") plt.savefig('工作经验.png') # 显示图形 plt.show()

count_by_type = df['景区类型'].value_counts() plt.pie(count_by_type.values,labels=count_by_type.index,autopct='%1.1f%%') plt.title('各类型景区的数量') plt.show(),用plt.table1\对以上代码进行修改为可视化表格形式

dict_ = df['Medium for online class'].value_counts().to_dict() plt.figure(figsize=(12,12)) plt.pie(x=dict_.values(), startangle=0, explode=[0, 0.01, 0.05, 0.1, 0.2]) plt.legend(labels=dict_.keys(), loc='upper right',shadow=True, facecolor='lightyellow') plt.show()

import pandas as pd import matplotlib.pyplot as plt n = pd.read_csv("D:vgsales.csv") platform_count = n['Platform'].value_counts().head(5) plt.pie(platform_count, labels=platform_count.index, autopct='%1.1f%%') plt.title('shu liang qian 5 de ping tai:') plt.show()分析思路并添加注释

data[data['sex'] == 0].target.value_counts().plot(kind="pie",autopct="%.2f%%",labels=['患病','未患病'],ax=ax2)， 这个函数中怎么设置颜色？

data[data['sex'] == 1].target.value_counts().plot(kind="pie",autopct="%.2f%%",labels=['患病','未患病'],ax=ax2)， 请给出这段代码会画出的饼图的颜色代码

freq = data['类型'].split("-")[2].value_counts() plt.figure(figsize=(8, 8)) plt.pie(freq.values, labels=freq.index, autopct='%1.1f%%') plt.title("某列数据出现频次饼图") plt.show()代码有什么错误和需要改进的地方

最新推荐

MATLAB新功能：Multi-frame ViewRGB制作彩色图阴影

管理建模和仿真的文件

【实战篇：自定义损失函数】：构建独特损失函数解决特定问题，优化模型性能

在Flow-3D中如何根据水利工程的特定需求设定边界条件和进行网格划分，以便准确模拟水流问题？

XKCD Substitutions 3-crx插件：创新的网页文字替换工具

"互动学习：行动中的多样性与论文攻读经历"

【强化学习损失函数探索】：奖励函数与损失函数的深入联系及优化策略

在Flow-3D中，如何根据水利工程的特定需求设定边界条件和进行网格划分，以便准确模拟水流问题？

Python实现8位等离子效果开源项目plasma.py解读

关系数据表示学习

data[data['sex'] == 0].target.value_counts().plot(kind="pie",autopct="%.2f%%",labels=['患病','未患病'],ax=ax2)，这个函数中怎么设置颜色？

data[data['sex'] == 1].target.value_counts().plot(kind="pie",autopct="%.2f%%",labels=['患病','未患病'],ax=ax2)，请给出这段代码会画出的饼图的颜色代码