<\/p>\n
Anda dapat menggunakan sintaks dasar berikut untuk membuat tabel frekuensi di panda berdasarkan beberapa kolom:<\/span><\/p>\n Contoh berikut menunjukkan cara menggunakan sintaksis ini dalam praktiknya.<\/span><\/p>\n Misalkan kita memiliki pandas DataFrame berikut yang berisi informasi tentang nama tim, posisi, dan poin yang dicetak oleh berbagai pemain bola basket:<\/span><\/p>\n Kita dapat menggunakan fungsi value_counts()<\/strong> untuk membuat tabel frekuensi yang menunjukkan kemunculan setiap kombinasi nilai dalam kolom tim<\/strong> dan posisi<\/strong> :<\/span><\/p>\n Dari hasilnya kita dapat melihat:<\/span><\/p>\n Perhatikan bahwa kita dapat menggunakan reset_index()<\/strong> untuk mengembalikan DataFrame sebagai gantinya:<\/span><\/p>\n Kita dapat menggunakan fungsi rename()<\/strong> untuk mengganti nama kolom yang berisi hitungan:<\/span><\/p>\n Hasil akhirnya adalah DataFrame yang berisi frekuensi setiap kombinasi nilai unik pada kolom Tim<\/strong> dan Posisi<\/strong> .<\/span><\/p>\n Tutorial berikut menjelaskan cara melakukan tugas umum lainnya di panda:<\/span><\/p>\n Pandas: Cara menggunakan GroupBy dan penghitungan nilai<\/a> Anda dapat menggunakan sintaks dasar berikut untuk membuat tabel frekuensi di panda berdasarkan beberapa kolom: df. value_counts ([‘ column1 ‘,’ column2 ‘]) Contoh berikut menunjukkan cara menggunakan sintaksis ini dalam praktiknya. Contoh: Buat tabel frekuensi di Pandas berdasarkan beberapa kolom Misalkan kita memiliki pandas DataFrame berikut yang berisi informasi tentang nama tim, posisi, dan poin […]<\/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 Contoh: Buat tabel frekuensi di Pandas berdasarkan beberapa kolom<\/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 Sumber daya tambahan<\/strong><\/span><\/h2>\n
Pandas: Cara menggunakan GroupBy dengan jumlah bin<\/a>
Pandas : Cara menghitung nilai pada kolom dengan syarat<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"