什么时候使用df.value_counts（）和df.groupby（'...'）。count（）？

Question

我在Pandas听说过，通常有多种方法可以做同一件事，但是我想知道-

如果我要按特定列中的值对数据进行分组并计算具有该值的项目数，那么什么df.groupby('colA').count()时候使用有意义，df['colA'].value_counts()什么时候使用有意义？

Answer 1

有差额value_counts收益：

结果对象将按降序排列，以便第一个元素是最频繁出现的元素。

但count不是，它对输出排序index（由中的列创建groupby('col')）。

df.groupby('colA').count()

是用于df按功能汇总所有列的，count.因此它计算不包括NaNs的值。

因此，如果count仅需要一列，则：

df.groupby('colA')['colA'].count()

样品：

df = pd.DataFrame({'colB':list('abcdefg'),
                   'colC':[1,3,5,7,np.nan,np.nan,4],
                   'colD':[np.nan,3,6,9,2,4,np.nan],
                   'colA':['c','c','b','a',np.nan,'b','b']})

print (df)
  colA colB  colC  colD
0    c    a   1.0   NaN
1    c    b   3.0   3.0
2    b    c   5.0   6.0
3    a    d   7.0   9.0
4  NaN    e   NaN   2.0
5    b    f   NaN   4.0
6    b    g   4.0   NaN

print (df['colA'].value_counts())
b    3
c    2
a    1
Name: colA, dtype: int64

print (df.groupby('colA').count())
      colB  colC  colD
colA                  
a        1     1     1
b        3     2     2
c        2     2     1

print (df.groupby('colA')['colA'].count())
colA
a    1
b    3
c    2
Name: colA, dtype: int64