<\/p>\n
Sie k\u00f6nnen die folgende grundlegende Syntax verwenden, um eine H\u00e4ufigkeitstabelle in Pandas basierend auf mehreren Spalten zu erstellen:<\/span><\/p>\n Das folgende Beispiel zeigt, wie diese Syntax in der Praxis verwendet wird.<\/span><\/p>\n Angenommen, wir haben den folgenden Pandas-DataFrame, der Informationen \u00fcber den Teamnamen, die Position und die von verschiedenen Basketballspielern erzielten Punkte enth\u00e4lt:<\/span><\/p>\n Mit der Funktion value_counts()<\/strong> k\u00f6nnen wir eine H\u00e4ufigkeitstabelle erstellen, die das Vorkommen jeder Wertekombination in den Team-<\/strong> und Positionsspalten<\/strong> zeigt:<\/span><\/p>\n Aus den Ergebnissen k\u00f6nnen wir sehen:<\/span><\/p>\n Beachten Sie, dass wir stattdessen reset_index()<\/strong> verwenden k\u00f6nnen, um einen DataFrame zur\u00fcckzugeben:<\/span><\/p>\n Wir k\u00f6nnen die Funktion rename()<\/strong> verwenden, um die Spalte umzubenennen, die die Z\u00e4hlungen enth\u00e4lt:<\/span><\/p>\n Das Endergebnis ist ein DataFrame, der die H\u00e4ufigkeit jeder eindeutigen Wertekombination in den Spalten Team<\/strong> und Position<\/strong> enth\u00e4lt.<\/span><\/p>\n In den folgenden Tutorials wird erl\u00e4utert, wie andere h\u00e4ufige Aufgaben in Pandas ausgef\u00fchrt werden:<\/span><\/p>\n Pandas: So verwenden Sie GroupBy und Wertz\u00e4hlungen<\/a> Sie k\u00f6nnen die folgende grundlegende Syntax verwenden, um eine H\u00e4ufigkeitstabelle in Pandas basierend auf mehreren Spalten zu erstellen: df. value_counts ([‚ column1 ‚,‘ column2 ‚]) Das folgende Beispiel zeigt, wie diese Syntax in der Praxis verwendet wird. Beispiel: Erstellen Sie eine H\u00e4ufigkeitstabelle in Pandas basierend auf mehreren Spalten Angenommen, wir haben den folgenden Pandas-DataFrame, der […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n df. value_counts<\/span> ([' column1<\/span> ',' column2<\/span> '])\n<\/strong><\/pre>\n Beispiel: Erstellen Sie eine H\u00e4ufigkeitstabelle in Pandas basierend auf mehreren Spalten<\/strong><\/span><\/h2>\n
import<\/span> pandas as<\/span> pd\n\n#createDataFrame<\/span>\ndf = pd. DataFrame<\/span> ({' team<\/span> ': ['A', 'A', 'A', 'A', 'B', 'B', 'B', 'B'],\n ' position<\/span> ': ['G', 'G', 'G', 'F', 'G', 'G', 'F', 'F'],\n ' points<\/span> ': [24, 33, 20, 15, 16, 16, 29, 25]})\n\n#view DataFrame\n<\/span>print<\/span> (df)\n\n team position points\n0 AG 24\n1 AG 33\n2 AG 20\n3 AF15\n4 BG 16\n5 BG 16\n6 BF 29\n7 BF 25<\/strong><\/pre>\n #count frequency of values in team and position columns\ndf. value_counts<\/span> ([' team<\/span> ',' position<\/span> '])\n\nteam position\nGA 3\nBF 2\n G2\nAF1\ndtype: int64<\/span><\/span>\n<\/strong><\/pre>\n\n
#count frequency of values in team and position columns and return DataFrame\ndf. value_counts<\/span> ([' team<\/span> ',' position<\/span> ']). reset_index<\/span> ()\n\n team position 0\n0 A G 3\n1 B F 2\n2 B G 2\n3 A F 1<\/span><\/span><\/strong><\/pre>\n #get frequency of values in team and position column and rename count column\n<\/span>df. value_counts<\/span> ([' team<\/span> ',' position<\/span> ']). reset_index<\/span> (). rename<\/span> (columns={0:' count<\/span> '})\n\n team position count\n0 A G 3\n1 B F 2\n2 B G 2\n3 A F 1\n<\/strong><\/pre>\n Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h2>\n
Pandas: So verwenden Sie GroupBy mit Bin-Anzahl<\/a>
Pandas: So z\u00e4hlen Sie Werte in einer Spalte mit Bedingung<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"