小编给大家分享一下pandas新版本如何实现数据表多列频率统计，希望大家阅读完这篇文章之后都有所收获，下面让我们一起去探讨吧！
pandas 以前的版本(1.1以前)中，就已经存在单列的频率统计。
我们以泰坦尼克号罹难乘客数据为例子：
希望快速查看各个性别的记录数：
上面显示的是绝对数值，可以显示占比吗？
通过参数 normalize 可以转换成占比
但是，以上都是针对单列的统计，很多时候我们希望对多列组合的频率统计。
现在，pandas 1.1 版本中已为 DataFrame 追加了同名方法 value_counts，下面来看看怎么使用。
查看性别与是否生还的统计数：
第一参数为 subset ，传入需要统计的列名的 list 即可
同样地，通过参数可以微调输出结果：
可以看出来男性生还率非常低
可能对于一些初学者来说会疑惑，难道旧版本得到这个结果很麻烦吗？
其实以前的版本做到一样的效果也是非常容易：
没有按频率倒序输出？
简单在后面"接上"排序操作，结果就一样了：
其实还有另一种解决思路，有兴趣看源码吧
统计比例也没有多大的事情：
那肯定用新版本的方法呀，新方法一句就做了你这么多句的事情！
但是！！！
下面，我们就来看看"自己做主"的优势
之前在讲解单列的频率统计(Series.value_counts)时，其实遗漏了一个挺有用的参数，对于数值型的列才能使用。
希望查看年龄段的频率(分3段吧)：
bins 参数指定分3段
通常我们希望按分段排序：
参数 sort 控制是否按频率倒序，设置为 False，则按索引排序
你是不是觉得新版本的 DataFrame.value_counts 也有这个参数呢？
很遗憾，并没有这个参数，应该考虑到组合列的值是不能分段的。
不过对于自定义函数，当然想干啥就干啥：
由于本身 DataFrame.groupby 就可以支持混合类型的 key。因此在 key 设置时，可以是列名(一个字符串)，也可以是列值，也可以是他们的混合
看完了这篇文章，相信你对“pandas新版本如何实现数据表多列频率统计”有了一定的了解，如果想了解更多相关知识，欢迎关注亿速云行业资讯频道，感谢各位的阅读！
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
