<\/p>\n
U kunt de volgende basissyntaxis gebruiken om een frequentietabel in panda’s te maken op basis van meerdere kolommen:<\/span><\/p>\n Het volgende voorbeeld laat zien hoe u deze syntaxis in de praktijk kunt gebruiken.<\/span><\/p>\n Stel dat we het volgende panda’s DataFrame hebben dat informatie bevat over de teamnaam, positie en punten die zijn gescoord door verschillende basketbalspelers:<\/span><\/p>\n We kunnen de functie value_counts()<\/strong> gebruiken om een frequentietabel te maken die het voorkomen van elke combinatie van waarden in de team-<\/strong> en positiekolommen<\/strong> toont:<\/span><\/p>\n Uit de resultaten kunnen we zien:<\/span><\/p>\n Merk op dat we reset_index()<\/strong> kunnen gebruiken om in plaats daarvan een DataFrame te retourneren:<\/span><\/p>\n We kunnen de functie rename()<\/strong> gebruiken om de kolom met de tellingen te hernoemen:<\/span><\/p>\n Het eindresultaat is een DataFrame dat de frequentie van elke unieke combinatie van waarden in de kolommen Team<\/strong> en Positie<\/strong> bevat.<\/span><\/p>\n In de volgende tutorials wordt uitgelegd hoe u andere veelvoorkomende taken in panda’s kunt uitvoeren:<\/span><\/p>\n Panda’s: GroupBy gebruiken en waardetellingen<\/a> U kunt de volgende basissyntaxis gebruiken om een frequentietabel in panda’s te maken op basis van meerdere kolommen: df. value_counts ([‚ column1 ‚,‘ column2 ‚]) Het volgende voorbeeld laat zien hoe u deze syntaxis in de praktijk kunt gebruiken. Voorbeeld: Maak een frequentietabel in Pandas op basis van meerdere kolommen Stel dat we het volgende […]<\/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":[],"class_list":["post-4043","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"\n df. value_counts<\/span> ([' column1<\/span> ',' column2<\/span> '])\n<\/strong><\/pre>\n Voorbeeld: Maak een frequentietabel in Pandas op basis van meerdere kolommen<\/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 Aanvullende bronnen<\/strong><\/span><\/h2>\n
Panda’s: GroupBy gebruiken met het aantal bakken<\/a>
Panda’s: waarden tellen in een kolom met voorwaarde<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"