<\/p>\n
Puoi utilizzare la seguente sintassi di base per creare una tabella di frequenza in panda basata su pi\u00f9 colonne:<\/span><\/p>\n L’esempio seguente mostra come utilizzare questa sintassi nella pratica.<\/span><\/p>\n Supponiamo di avere il seguente DataFrame panda che contiene informazioni sul nome della squadra, sulla posizione e sui punti segnati da vari giocatori di basket:<\/span><\/p>\n Possiamo utilizzare la funzione value_counts()<\/strong> per creare una tabella di frequenza che mostra l’occorrenza di ciascuna combinazione di valori nelle colonne squadra<\/strong> e posizione<\/strong> :<\/span><\/p>\n Dai risultati possiamo vedere:<\/span><\/p>\n Tieni presente che possiamo utilizzare reset_index()<\/strong> per restituire invece un DataFrame:<\/span><\/p>\n Possiamo usare la funzione rename()<\/strong> per rinominare la colonna che contiene i conteggi:<\/span><\/p>\n Il risultato finale \u00e8 un DataFrame che contiene la frequenza di ogni combinazione univoca di valori nelle colonne Team<\/strong> e Position<\/strong> .<\/span><\/p>\n I seguenti tutorial spiegano come eseguire altre attivit\u00e0 comuni nei panda:<\/span><\/p>\n Panda: come utilizzare GroupBy e conteggi dei valori<\/a> Puoi utilizzare la seguente sintassi di base per creare una tabella di frequenza in panda basata su pi\u00f9 colonne: df. value_counts ([‘ column1 ‘,’ column2 ‘]) L’esempio seguente mostra come utilizzare questa sintassi nella pratica. Esempio: crea una tabella di frequenza in Pandas basata su pi\u00f9 colonne Supponiamo di avere il seguente DataFrame panda che […]<\/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 Esempio: crea una tabella di frequenza in Pandas basata su pi\u00f9 colonne<\/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 Risorse addizionali<\/strong><\/span><\/h2>\n
Panda: come utilizzare GroupBy con il conteggio dei contenitori<\/a>
Panda: come contare i valori in una colonna con condizione<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"