如何在 python 中计算相对频率

相对频率衡量某个值相对于数据集中值总数的出现频率。

您可以在Python中使用以下函数来计算相对频率：

 def rel_freq (x):
freqs = [(value, x.count(value) / len(x)) for value in set(x)]
return freqs

以下示例展示了如何在实践中使用此功能。

示例 1：数字列表的相对频率

以下代码演示了如何使用此函数来计算数字列表的相对频率：

 #define data
data = [1, 1, 1, 2, 3, 4, 4]

#calculate relative frequencies for each value in list
rel_freq(data)

[(1, 0.42857142857142855),
 (2, 0.14285714285714285),
 (3, 0.14285714285714285),
 (4, 0.2857142857142857)]

解释此输出的方法是：

• 值“1”在数据集中的相对频率为0.42857 。
• 值“2”在数据集中的相对频率为0.142857 。
• 值“3”在数据集中的相对频率为0.142857 。
• 值“4”在数据集中的相对频率为0.28571 。

您会注意到所有相对频率加起来为 1。

示例 2：字符列表的相对频率

以下代码显示如何使用此函数来计算字符列表的相对频率：

 #define data
data = ['a', 'a', 'b', 'b', 'c']

#calculate relative frequencies for each value in list
rel_freq(data)

[('a', 0.4), ('b', 0.4), ('c', 0.2)]

解释此输出的方法是：

• 值“a”在数据集中的相对频率为0.4 。
• 值“b”在数据集中的相对频率为0.4 。
• 值“c”在数据集中的相对频率为0.2 。

同样，所有相对频率加起来为 1。

示例 3：pandas DataFrame 中列的相对频率

以下代码展示了如何使用此函数来计算 pandas DataFrame 中特定列的相对频率：

 import pandas as pd

#define data
data = pd.DataFrame({'A': [25, 15, 15, 14, 19],
                     'B': [5, 7, 7, 9, 12],
                     'C': [11, 8, 10, 6, 6]})

#calculate relative frequencies of values in column 'A'
rel_freq( list (data['A']))

[(25, 0.2), (19, 0.2), (14, 0.2), (15, 0.4)]

解释此输出的方法是：

• 值“25”在该列中的相对频率为0.2 。
• 值“19”在该列中的相对频率为0.2 。
• 值“14”在该列中的相对频率为0.2 。
• 值“15”在该列中的相对频率为0.4 。

同样，所有相对频率加起来为 1。

其他资源

相对频率计算器
相对频率直方图：定义+示例
如何在 Excel 中计算相对频率