在Pandas数据框架中获取一个列的频率计数

在 Pandas 数据框架中，我们可以使用 value_counts() 方法获取一个列的频率计数。下面是详细的攻略：

1. 导入 Pandas 库

在使用 Pandas 的数据框架之前，我们需要导入 Pandas 库。

import pandas as pd

1. 读取数据集

读取待处理的数据集，可以使用 Pandas 中的 read_csv() 方法。我们这里以示例数据集 titanic.csv 为例。

df = pd.read_csv('titanic.csv')

1. 获取一个列的频率计数

使用 value_counts() 方法获取一个列的频率计数。

freq_counts = df['Embarked'].value_counts()
print(freq_counts)

上面的代码中，我们以 'Embarked' 列为例，使用 value_counts() 方法获取了该列的频率计数，并将结果存储在 freq_counts 变量中。然后使用 print() 函数打印了结果。在这个例子中，我们获取了 'Embarked' 列的频率计数，可以看到结果中包含有不同取值的频数，以及这些频数所对应的取值。

1. 可选的参数

value_counts() 方法还可以接受一些可选的参数，来调整计数的方式。

• normalize：通过将频数除以总数得到频率，而不是简单的计数来计算值的相对频率。默认值为 False。
• sort：按照值的频数排序。默认值为 True。
• ascending：如果为 True，按照升序排列。如果为 False，按照降序排列。默认值为 False。

例如，我们可以按照降序排列，并将频数除以总数得到频率。

freq_counts = df['Embarked'].value_counts(normalize=True, sort=True, ascending=False)
print(freq_counts)

在这个例子中，我们使用了 normalize=True 将频数除以总数得到频率，并使用 sort=True, ascending=False 参数按照降序排列。