اگر با مفهوم unpivot آشنا باشید اولین راه حلی که به نظرتون میرسه که تعداد فراوانی مقادیر (معمولا طبقه یا کیفی هستن) رو بدست بیارید، استفاده از همین مفهومه unpivot هستش. به طوری که ستون های دیتاست رو در یک ستون و مقادیر رو در مقابل آن ها قرار دهید و مابقی داستان! میشه گفت منظورم از مفهوم unpivot اینه :
و بعد از اون محاسبه فراوانیه! البته روش های دیگری هم وجود داره ولی در نهایت نتایج مشابهی رو می خواهیم بدست بیاریم.
برای این کار از تابع value_counts استفاده می کنیم.
دیتا نمونه زیر رو در نظر بگیرید :
|
1 2 3 4 5 |
import pandas as pd df = pd.DataFrame({'col_1': [1,2,3,1,2], 'col_2': ['a','b','a','a','b'], 'col_3': ['C','C','C','D','C']}) df |
روش اول؛ اینه که بین ستون ها حلقه بندازیم و تک به تک این تابع رو اجرا کنیم و خروجی رو چاپ کنیم.
|
1 2 |
for column in df.columns: print(df[column].value_counts().to_frame()) |
روش دوم؛ استفاده از تابع apply هستش که برای همه ستون ها اجرا میشه ولی خروجی رو در نهایت به همان صورت و قالب جدول می دهد و مقادیری که وجود ندارن NaN می شوند.
|
1 |
df.apply(pd.Series.value_counts) |
روش سوم؛ و البته روش ترجیحی خودم! که unpivot رو با استفاده از melt انجام میدیم و در نهایت خروجی رو میشماریم. برای قدم اول کافیه unpivot کنیم.
|
1 |
df.melt() |
ولی برای راحتیه کار برای ستون های بالا نام مورد نظر خودمون رو میذاریم:
|
1 |
df.melt(var_name='column_Name',value_name='category').value_counts() |
برای این که کمی به خروجی چهره بهتری بدیم چند خط کد دیگه به کد بالا اضافه می کنیم.
|
1 2 3 4 |
(df.melt(var_name='column_Name',value_name='category') .value_counts() .to_frame('count') .sort_values(by=['column_Name','count'],ascending=[True,False])) |
فقط یه نکته! کد بالا رو چون در چند خط نوشتیم و پشت سر هم نیست پس بلوک کد رو در پرانتز قرار میدیم تا به خطا نخوریم.
