Pandas DataFrame count(): подсчет значений фрейма данных

Функция Pandas DataFrame.count() определена в библиотеке Pandas. Pandas — это один из пакетов Python, который значительно упрощает анализ данных для пользователей.

Содержание

Что такое функция DataFrame.count() в Pandas?
Синтаксис
Параметры
Возвращаемое значение
Примеры программы на Pandas DataFrame count()
Counts для одного уровня MultiIndex
Заключение

Что такое функция DataFrame.count() в Pandas?

Функция Pandas DataFrame.count() используется для подсчета количества значений, отличных от NA/null, по заданной оси. DataFrame.count() также работает с данными неплавающего типа. Функция count() используется для подсчета ячеек, отличных от NA, для каждого столбца или строки. Значения None, NaN, NaT и, возможно, numpy.inf (в зависимости от pandas.options.mode.use_inf_as_na) считаются NA.

Синтаксис

DataFrame.count(axis=0, level=None, numeric_only=False)

1	DataFrame.count(axis=0, level=None, numeric_only=False)

Все параметры установлены на значения по умолчанию.

Параметры

Функция Pandas dataframe.count() имеет три параметра.

axis: 0 для строк и 1 для столбцов.
level: если ось представляет собой мультииндекс (иерархический), подсчет выполняется вместе с определенным уровнем, сворачивающимся во фрейм данных.
numeric_only: этот параметр включает только данные с плавающей запятой, целое число и логические значения.

Возвращаемое значение

Метод Pandas count() обычно возвращает серию, но он также может возвращать DataFrame, когда указан уровень.

Примеры программы на Pandas DataFrame count()

Напишем программу, показывающую работу метода count() в Python.

import pandas as pd
import numpy as np

# Importing numpy for nan values.
# Creating the dataset using dictionary
dataset = {
    'Name': ['Rohit', 'Arun', 'Sohit', 'Arun', 'Shubh'],
    'Roll no': ['01', '02', '03', '04', np.nan],
    'Maths': ['93', '63', np.nan, '94', '83'],
    'Science': ['88', np.nan, '66', '94', np.nan],
    'English': ['93', '74', '84', '92', '87']}

df = pd.DataFrame(dataset)
print("DataFrame:\n\n", df)
print("\nCount:\n")

# Using the count()
df2 = df.count()
print(df2)

import pandas as pd

import numpy as np

# Importing numpy for nan values.

# Creating the dataset using dictionary

dataset = {

'Name': ['Rohit', 'Arun', 'Sohit', 'Arun', 'Shubh'],

'Roll no': ['01', '02', '03', '04', np.nan],

'Maths': ['93', '63', np.nan, '94', '83'],

'Science': ['88', np.nan, '66', '94', np.nan],

'English': ['93', '74', '84', '92', '87']}

df = pd.DataFrame(dataset)

print("DataFrame:\n\n", df)

print("\nCount:\n")

# Using the count()

df2 = df.count()

print(df2)

Выход:

DataFrame:

     Name Roll no Maths Science English
0  Rohit      01    93      88      93
1   Arun      02    63     NaN      74
2  Sohit      03   NaN      66      84
3   Arun      04    94      94      92
4  Shubh     NaN    83     NaN      87

Count:

Name       5
Roll no    4
Maths      4
Science    3
English    5
dtype: int64

DataFrame:

Name Roll no Maths Science English

0 Rohit 01 93 88 93

1 Arun 02 63 NaN 74

2 Sohit 03 NaN 66 84

3 Arun 04 94 94 92

4 Shubh NaN 83 NaN 87

Count:

Name 5

Roll no 4

Maths 4

Science 3

English 5

dtype: int64

В приведенном выше примере мы видим, что мы создали DataFrame данных учащегося, а затем распечатали DataFrame. После этого мы использовали функцию count(), чтобы получить количество значений в каждом столбце (количество присутствующих в нем элементов).

Во-первых, вы можете заметить, что функция count() не подсчитывала значения NaN.

Напишем программу для отображения счетчика построчно с помощью count().

import pandas as pd
import numpy as np

# Importing numpy for NaN values
# Creating dataset using dictionary
dataset = {
    'Name': ['Rohit', 'Arun', 'Sohit', 'Arun', 'Shubh'],
    'Roll no': ['01', '02', '03', '04', np.nan],
    'Maths': ['93', '63', np.nan, '94', '83'],
    'Science': ['88', np.nan, '66', '94', np.nan],
    'English': ['93', '74', '84', '92', '87']}

df = pd.DataFrame(dataset)
print("DataFrame:\n\n", df)
print("\nCount:\n")

# Using the count() function
df2 = df.count(axis='columns')
print(df2)

import pandas as pd

import numpy as np

# Importing numpy for NaN values

# Creating dataset using dictionary

dataset = {

'Name': ['Rohit', 'Arun', 'Sohit', 'Arun', 'Shubh'],

'Roll no': ['01', '02', '03', '04', np.nan],

'Maths': ['93', '63', np.nan, '94', '83'],

'Science': ['88', np.nan, '66', '94', np.nan],

'English': ['93', '74', '84', '92', '87']}

df = pd.DataFrame(dataset)

print("DataFrame:\n\n", df)

print("\nCount:\n")

# Using the count() function

df2 = df.count(axis='columns')

print(df2)

Выход:

DataFrame:

     Name Roll no Maths Science English
0  Rohit      01    93      88      93
1   Arun      02    63     NaN      74
2  Sohit      03   NaN      66      84
3   Arun      04    94      94      92
4  Shubh     NaN    83     NaN      87

Count:

0    5
1    4
2    4
3    5
4    3
dtype: int64

DataFrame:

Name Roll no Maths Science English

0 Rohit 01 93 88 93

1 Arun 02 63 NaN 74

2 Sohit 03 NaN 66 84

3 Arun 04 94 94 92

4 Shubh NaN 83 NaN 87

Count:

0 5

1 4

2 4

3 5

4 3

dtype: int64

В приведенном выше примере мы видим, что мы создали DataFrame данных учащегося, а затем распечатали DataFrame. После этого мы использовали функцию count() для подсчета построчно.

Counts для одного уровня MultiIndex

import pandas as pd
import numpy as np

# Importing numpy for NaN values
# Creating dataset using dictionary
dataset = {
    'Name': ['Rohit', 'Arun', 'Sohit', 'Arun', 'Shubh'],
    'Roll no': ['01', '02', '03', '04', np.nan],
    'Maths': ['93', '63', np.nan, '94', '83'],
    'Science': ['88', np.nan, '66', '94', np.nan],
    'English': ['93', '74', '84', '92', '87']}

df = pd.DataFrame(dataset)
print("DataFrame:\n\n", df)
print("\nCount:\n")

# Using the count() function
df2 = df.set_index(["Maths", "English"]).count(level="Maths")
print(df2)

import pandas as pd

import numpy as np

# Importing numpy for NaN values

# Creating dataset using dictionary

dataset = {

'Name': ['Rohit', 'Arun', 'Sohit', 'Arun', 'Shubh'],

'Roll no': ['01', '02', '03', '04', np.nan],

'Maths': ['93', '63', np.nan, '94', '83'],

'Science': ['88', np.nan, '66', '94', np.nan],

'English': ['93', '74', '84', '92', '87']}

df = pd.DataFrame(dataset)

print("DataFrame:\n\n", df)

print("\nCount:\n")

# Using the count() function

df2 = df.set_index(["Maths", "English"]).count(level="Maths")

print(df2)

В этом примере мы установили мультииндекс с помощью функции Pandas set_index().

Выход:

DataFrame:

     Name Roll no Maths Science English
0  Rohit      01    93      88      93
1   Arun      02    63     NaN      74
2  Sohit      03   NaN      66      84
3   Arun      04    94      94      92
4  Shubh     NaN    83     NaN      87

Count:

       Name  Roll no  Science
Maths
63        1        1        0
83        1        0        0
93        1        1        1
94        1        1        1

DataFrame:

Name Roll no Maths Science English

0 Rohit 01 93 88 93

1 Arun 02 63 NaN 74

2 Sohit 03 NaN 66 84

3 Arun 04 94 94 92

4 Shubh NaN 83 NaN 87

Count:

Name Roll no Science

Maths

63 1 1 0

83 1 0 0

93 1 1 1

94 1 1 1

Заключение

Pandas — это мощный инструмент для манипулирования данными, если вы знаете основные операции и способы их использования. Значения None, NaN, NaT и, возможно, numpy.inf (в зависимости от pandas.options.mode.use_inf_as_na) считаются NA. Функция count() подсчитывает ячейки, не относящиеся к NA, для каждого столбца или строки.