Python에서 빈도표를 만드는 방법
빈도표는 다양한 범주의 빈도를 표시하는 표입니다. 이 유형의 테이블은 데이터 세트의 값 분포를 이해하는 데 특히 유용합니다.
이 튜토리얼에서는 Python에서 빈도표를 만드는 방법을 설명합니다.
계열에 대한 단방향 빈도표
팬더 시리즈에서 개별 값의 빈도를 찾으려면 value_counts() 함수를 사용할 수 있습니다.
import pandas as pd #defineSeries data = pd.Series([1, 1, 1, 2, 3, 3, 3, 3, 4, 4, 5]) #find frequencies of each value data.value_counts() 3 4 1 3 4 2 5 1 2 1
데이터 값을 빈도별로 정렬하지 않으려면 sort=False 인수를 추가할 수 있습니다.
data.value_counts(sort= False )
1 3
2 1
3 4
4 2
5 1
결과를 해석하는 방법은 다음과 같습니다.
- 값 “1”이 시리즈에 3 번 나타납니다.
- 값 “2”는 시리즈에서 1 번 나타납니다.
- 값 “3”은 시리즈에서 4 번 나타납니다.
등등.
DataFrame 의 단방향 빈도 테이블
Pandas DataFrame의 빈도를 찾으려면 다음 구문을 사용하는 crosstab () 함수를 사용할 수 있습니다.
크로스탭(색인, 열)
금:
- index: 그룹화 기준이 되는 열 이름
- 열: 빈도 열에 부여할 이름
예를 들어, 한 학급에 속한 10명의 학생의 학년, 나이, 성별에 대한 정보가 포함된 DataFrame이 있다고 가정해 보겠습니다. 각 문자 등급의 빈도를 찾는 방법은 다음과 같습니다.
#create data df = pd.DataFrame({'Grade': ['A','A','A','B','B', 'B', 'B', 'C', 'D', 'D '], 'Age': [18, 18, 18, 19, 19, 20, 18, 18, 19, 19], 'Gender': ['M','M', 'F', 'F', 'F', 'M', 'M', 'F', 'M', 'F']}) #view data df Grade Age Gender 0 to 18 m 1 to 18 m 2 A 18 F 3 B 19 F 4 B 19 F 5 B 20 M 6 B 18 M 7 C 18 F 8 D 19 M 9 D 19 F #find frequency of each letter grade pd.crosstab(index=df[' Grade '], columns=' count ') col_0 count Grade At 3 B4 C 1 D 2
이를 해석하는 방법은 다음과 같습니다.
- 3명의 학생이 해당 수업에서 “A”를 받았습니다.
- 4명의 학생이 수업에서 “B”를 받았습니다.
- 1명의 학생이 수업에서 “C”를 받았습니다.
- 2명의 학생이 해당 수업에서 “D”를 받았습니다.
유사한 구문을 사용하여 다른 열의 빈도 수를 찾을 수 있습니다. 예를 들어 연령별 빈도를 찾는 방법은 다음과 같습니다.
pd.crosstab(index=df[' Age '], columns=' count ') col_0 count Age 18 5 19 4 20 1
이를 해석하는 방법은 다음과 같습니다.
- 5명의 학생은 18세입니다.
- 4명의 학생은 19세입니다.
- 학생 1 명은 20세입니다.
합계로 나누어 빈도를 데이터 세트의 비율로 쉽게 표시할 수도 있습니다.
#define crosstab tab = pd.crosstab(index=df['Age'], columns='count') #find proportions tab/tab.sum() col_0 count Age 18 0.5 19 0.4 20 0.1
이를 해석하는 방법은 다음과 같습니다.
- 학생의 50% 가 18세입니다.
- 학생의 40% 가 19세입니다.
- 학생의 10% 는 20세입니다.
DataFrame의 양방향 빈도 테이블
또한 양방향 빈도표를 생성하여 데이터 세트에 있는 서로 다른 두 변수의 빈도를 표시할 수도 있습니다. 예를 들어, 연령 및 등급 변수에 대한 양방향 빈도표를 만드는 방법은 다음과 같습니다.
pd.crosstab(index=df[' Age '], columns=df[' Grade ']) Grade A B C D Age 18 3 1 1 0 19 0 2 0 2 20 0 1 0 0
이를 해석하는 방법은 다음과 같습니다.
- 해당 학급에는 “A” 학점을 받은 18세 학생 3 명이 있습니다.
- 18세의 학생이 1명 있는데, 그 수업에서 “B”를 받았습니다.
- 18세의 학생이 1명 있는데, 그 수업에서 “C”를 받았습니다.
- 해당 학급에서 “D” 학점을 받은 18세 학생이 0 명 있습니다.
등등.
여기에서 crosstab() 함수에 대한 전체 문서를 찾을 수 있습니다.