python pandas 输出value_counts统计出的出现次数最多的值

可以使用 `value_counts()` 函数的 `idxmax()` 方法来输出出现次数最多的值，如下所示：

import pandas as pd

# 创建一个示例Series
data = pd.Series([1, 2, 3, 3, 3, 4, 4, 5, 5, 5, 5])
print(data.value_counts().idxmax())  # 输出 5

在上面的示例中，首先使用 `value_counts()` 函数统计 Series 中每个值出现的次数，然后使用 `idxmax()` 方法获取出现次数最多的值。

相关问题

pandas中value_counts

value_counts是 pandas 库中 Series 数据类型提供的一个方法，用于统计 Series 中每个不同值出现的次数。它返回一个新的 Series，其中包含每个不同值及其出现次数。

示例：

import pandas as pd

# 创建一个 Series
s = pd.Series(['cat', 'dog', 'cat', 'bird', 'dog', 'cat'])

# 使用 value_counts 统计每个值出现的次数
counts = s.value_counts()

print(counts)

输出：

cat     3
dog     2
bird    1
dtype: int64

可以看到，输出结果显示了每个不同的值和它们出现的次数。在这个例子中，"cat" 出现了 3 次，"dog" 出现了 2 次，"bird" 只出现了 1 次。

pandas中value_counts的用法

Pandas中的value_counts()是用来统计数据集中每个值出现的次数的函数。使用方法如下:

1. 首先导入pandas库
2. 建立一个数据框或者读取一个已有的数据框
3. 对某一列使用value_counts()函数，例如: df['column_name'].value_counts()

如果要对整个数据框使用value_counts()，可以使用:
df.value_counts()

通过设置参数normalize=True 可以得到频率。

例如:

import pandas as pd

data = {'Name': ['Tom', 'Jerry', 'Tom', 'Jerry', 'Tom'],
        'Age': [25, 30, 35, 30, 28]
        }

df = pd.DataFrame(data)
print(df)
#   Name  Age
#0   Tom   25
#1 Jerry   30
#2   Tom   35
#3 Jerry   30
#4   Tom   28

print(df['Name'].value_counts())
# Tom      3
# Jerry    2
# Name: Name, dtype: int64