Tengo un conjunto de datos

|category|
cat a
cat b
cat a

Me gustaría poder devolver algo como (mostrando valores y frecuencia únicos)

category | freq |
cat a       2
cat b       1

Uso groupbyy count:

In [37]:
df = pd.DataFrame({'a':list('abssbab')})
df.groupby('a').count()

Out[37]:

   a
a   
a  2
b  3
s  2

[3 rows x 1 columns]

Consulte los documentos en línea: http://pandas.pydata.org/pandas-docs/stable/groupby.html

También, value_counts()como ha comentado @DSM, muchas formas de desollar un gato aquí

In [38]:
df['a'].value_counts()

Out[38]:

b    3
a    2
s    2
dtype: int64

Si desea volver a agregar la frecuencia al marco de datos original, use transformpara devolver un índice alineado:

In [41]:
df['freq'] = df.groupby('a')['a'].transform('count')
df

Out[41]:

   a freq
0  a    2
1  b    3
2  s    2
3  s    2
4  b    3
5  a    2
6  b    3

[7 rows x 2 columns]

Si desea aplicar a todas las columnas, puede usar:

df.apply(pd.value_counts)

Esto aplicará una función de agregación basada en columnas (en este caso value_counts) a cada una de las columnas.

df.category.value_counts()

Esta pequeña línea de código le dará el resultado que desea.

Si el nombre de su columna tiene espacios que puede usar

df['category'].value_counts()

df.apply(pd.value_counts).fillna(0)

value_counts : devuelve el objeto que contiene recuentos de valores únicos

aplicar - cuenta la frecuencia en cada columna. Si configura axis=1, obtiene frecuencia en cada fila

fillna (0): hace que la salida sea más elegante. Cambió NaN a 0

En 0.18.1 groupbyjunto con countno da la frecuencia de valores únicos:

>>> df
   a
0  a
1  b
2  s
3  s
4  b
5  a
6  b

>>> df.groupby('a').count()
Empty DataFrame
Columns: []
Index: [a, b, s]

Sin embargo, los valores únicos y sus frecuencias se determinan fácilmente usando size:

>>> df.groupby('a').size()
a
a    2
b    3
s    2

Con los df.a.value_counts()valores ordenados (en orden descendente, es decir, el valor más grande primero) se devuelven de forma predeterminada.

Usando la comprensión de la lista y value_counts para múltiples columnas en un df

[my_series[c].value_counts() for c in list(my_series.select_dtypes(include=['O']).columns)]

https://stackoverflow.com/a/28192263/786326

Si su DataFrame tiene valores con el mismo tipo, también puede establecerlo return_counts=Trueen numpy.unique () .

index, counts = np.unique(df.values,return_counts=True)

np.bincount () podría ser más rápido si sus valores son enteros.

Sin ninguna biblioteca, puede hacer esto en su lugar:

def to_frequency_table(data):
    frequencytable = {}
    for key in data:
        if key in frequencytable:
            frequencytable[key] += 1
        else:
            frequencytable[key] = 1
    return frequencytable

Ejemplo:

to_frequency_table([1,1,1,1,2,3,4,4])
>>> {1: 4, 2: 1, 3: 1, 4: 2}

También puede hacer esto con pandas transmitiendo primero sus columnas como categorías, por dtype="category"ejemplo , p. Ej.

cats = ['client', 'hotel', 'currency', 'ota', 'user_country']

df[cats] = df[cats].astype('category')

y luego llamando describe:

df[cats].describe()

Esto le dará una buena tabla de recuento de valores y un poco más :):

    client  hotel   currency    ota user_country
count   852845  852845  852845  852845  852845
unique  2554    17477   132 14  219
top 2198    13202   USD Hades   US
freq    102562  8847    516500  242734  340992

n_values = data.income.value_counts()

Primer recuento de valor único

n_at_most_50k = n_values[0]

Segundo recuento de valor único

n_greater_50k = n_values[1]

n_values

Salida:

<=50K    34014
>50K     11208

Name: income, dtype: int64

Salida:

n_greater_50k,n_at_most_50k:-
(11208, 34014)

@metatoaster ya lo ha señalado. Ir por Counter. Está ardiendo rápido.

import pandas as pd
from collections import Counter
import timeit
import numpy as np

df = pd.DataFrame(np.random.randint(1, 10000, (100, 2)), columns=["NumA", "NumB"])

Temporizadores

%timeit -n 10000 df['NumA'].value_counts()
# 10000 loops, best of 3: 715 µs per loop

%timeit -n 10000 df['NumA'].value_counts().to_dict()
# 10000 loops, best of 3: 796 µs per loop

%timeit -n 10000 Counter(df['NumA'])
# 10000 loops, best of 3: 74 µs per loop

%timeit -n 10000 df.groupby(['NumA']).count()
# 10000 loops, best of 3: 1.29 ms per loop

¡Salud!

Usa este código:

import numpy as np
np.unique(df['a'],return_counts=True)

your data:

|category|
cat a
cat b
cat a

solución:

 df['freq'] = df.groupby('category')['category'].transform('count')
 df =  df.drop_duplicates()

Creo que esto debería funcionar bien para cualquier lista de columnas de DataFrame.

def column_list(x):
    column_list_df = []
    for col_name in x.columns:
        y = col_name, len(x[col_name].unique())
        column_list_df.append(y)
return pd.DataFrame(column_list_df)

column_list_df.rename(columns={0: "Feature", 1: "Value_count"})

La función "column_list" verifica los nombres de las columnas y luego verifica la unicidad de los valores de cada columna.