<\/p>\n
Een frequentietabel<\/strong> is een tabel die de frequenties van verschillende categorie\u00ebn weergeeft. Dit type tabel is vooral handig om de verdeling van waarden in een dataset te begrijpen.<\/span><\/p>\n In deze tutorial wordt uitgelegd hoe u frequentietabellen maakt in Python.<\/span><\/p>\n Om de frequenties van individuele waarden in een pandareeks te vinden, kun je de functie value_counts()<\/strong> gebruiken:<\/span><\/p>\n U kunt het argument sort=False<\/strong> toevoegen als u niet wilt dat de gegevenswaarden op frequentie worden gesorteerd:<\/span><\/p>\n De manier om het resultaat te interpreteren is als volgt:<\/span><\/p>\n Enzovoort.<\/span><\/p>\n Om de frequenties van een panda’s DataFrame te vinden, kunt u de functie kruistabel<\/strong> ()<\/strong> gebruiken, die de volgende syntaxis gebruikt:<\/span><\/p>\n kruistabel (indexen, kolommen)<\/strong><\/span><\/p>\n Goud:<\/span><\/p>\n Laten we bijvoorbeeld zeggen dat we een DataFrame hebben met informatie over het leerjaar, de leeftijd en het geslacht van tien verschillende leerlingen in een klas. Zo kunt u de frequentie van elk lettercijfer vinden:<\/span><\/p>\n De manier om dit te interpreteren is:<\/span><\/p>\n We kunnen een vergelijkbare syntaxis gebruiken om frequentietellingen voor andere kolommen te vinden. Zo kunt u bijvoorbeeld de frequentie op basis van leeftijd vinden:<\/span><\/p>\n De manier om dit te interpreteren is:<\/span><\/p>\n U kunt frequenties ook eenvoudig weergeven als verhoudingen van de dataset door te delen door de som:<\/span><\/p>\n De manier om dit te interpreteren is:<\/span><\/p>\n U kunt ook een tweerichtingsfrequentietabel maken om de frequenties van twee verschillende variabelen in de dataset weer te geven. Zo kunt u bijvoorbeeld als volgt een tweerichtingsfrequentietabel maken voor de variabelen Leeftijd en Graad:<\/span><\/p>\n De manier om dit te interpreteren is:<\/span><\/p>\n Eenrichtingsfrequentietabel voor een serie<\/strong><\/span><\/h3>\n
import<\/span> pandas as<\/span> pd\n\n#defineSeries<\/span>\ndata = pd.Series([1, 1, 1, 2, 3, 3, 3, 3, 4, 4, 5])\n\n#find frequencies of each value\n<\/span>data.value_counts()\n\n3 4\n1 3\n4 2\n5 1\n2 1\n<\/strong><\/pre>\n data.value_counts(sort= False<\/span> )\n\n1 3\n2 1\n3 4\n4 2\n5 1<\/strong><\/pre>\n\n
Eenrichtingsfrequentietabel voor een<\/strong><\/span> DataFrame<\/strong><\/span><\/h3>\n
\n
#create data<\/span>\ndf = pd.DataFrame({'Grade': ['A','A','A','B','B', 'B', 'B', 'C', 'D', 'D '],\n 'Age': [18, 18, 18, 19, 19, 20, 18, 18, 19, 19],\n 'Gender': ['M','M', 'F', 'F', 'F', 'M', 'M', 'F', 'M', 'F']})\n\n#view data<\/span>\ndf\n\n\tGrade Age Gender\n0 to 18 m\n1 to 18 m\n2 A 18 F\n3 B 19 F\n4 B 19 F\n5 B 20 M\n6 B 18 M\n7 C 18 F\n8 D 19 M\n9 D 19 F \t \n\n#find frequency of each letter grade\n<\/span>pd.crosstab(index=df[' Grade<\/span> '], columns=' count<\/span> ')\n\ncol_0 count\nGrade\t\nAt 3\nB4\nC 1\nD 2<\/strong><\/pre>\n\n
pd.crosstab(index=df[' Age<\/span> '], columns=' count<\/span> ') \n\ncol_0 count\nAge\t\n18 5\n19 4\n20 1\n<\/strong><\/pre>\n\n
#define crosstab<\/span>\ntab = pd.crosstab(index=df['Age'], columns='count')\n\n#find proportions<\/span> \ntab\/tab.sum()\n\ncol_0 count\nAge\t\n18 0.5\n19 0.4\n20 0.1\n<\/strong><\/pre>\n\n
Bidirectionele frequentietabellen voor een DataFrame<\/strong><\/span><\/h3>\n
pd.crosstab(index=df[' Age<\/span> '], columns=df[' Grade<\/span> '])\n\n\nGrade A B C D\nAge\t\t\t\t\n18 3 1 1 0\n19 0 2 0 2\n20 0 1 0 0\n<\/strong><\/pre>\n