再看那柔弱的柳树吧，在寒冬余威尚盛时节，就早早苏醒过来，望着冰冻的河面，迎着凛冽的寒风，它微微察觉出一丝春意，于是，不顾一切地率先吐翠，淡淡地披起娇黄嫩绿的新装。沿河望去，枝梢间烟纱雾彀，一片生机，这情景仿佛一首动人的歌，一首热烈向往春天的歌，一首报告春的信息的歌，一首表达美好信念的歌。我在想：既然迎春花被人称作报春花，那么，柳树可不可以叫作报春树呢春来了，万千柳枝在春风中袅袅舞动。柳树是热爱春天的，春天也是热爱柳树的。
在pandas里面常用value_counts确认数据出现的频率。
1. Series 情况下：
pandas 的 value_counts() 函数可以对Series里面的每个值进行计数并且排序。
import pandas as pd
df = pd.DataFrame({'区域' : ['西安', '太原', '西安', '太原', '郑州', '太原'],
'10月份销售' : ['0.477468', '0.195046', '0.015964', '0.259654', '0.856412', '0.259644'],
'9月份销售' : ['0.347705', '0.151220', '0.895599', '0236547', '0.569841', '0.254784']})
print(df)
统计每个区域出现多少次：
print(df['区域'].value_counts())
每个区域都被计数，并且默认从高到低排序。
如果想升序排列，设置参数 ascending = True：
print(df['区域'].value_counts(ascending=True))
如果想得出计数占比，可以加参数 normalize=True
print(df['区域'].value_counts(normalize=True))
注：空值默认剔除掉的。value_counts()返回的结果是一个Series数组，可以跟别的数组进行计算。
2. DataFrame 情况下：
import pandas as pd
df = pd.DataFrame({'区域1' : ['西安', '太原', '西安', '太原', '郑州', '太原'],
'区域2' : ['太原', '太原', '西安', '西安', '西安', '太原']})
print(df.apply(pd.value_counts))
区域2中没有郑州，所以是NaN。
本文pandas计数 value_counts()的使用到此结束。时不时给自我一个能够沉默的理由来淡定人生。小编再次感谢大家对我们的支持！
