Python：计算Python数据帧中每个数字的出现次数

Question

我有一个用于项目集挖掘的数据集。我想查找每个唯一编号的出现情况，即候选1项集

数据的形状为3000x1。我不知道如何计算唯一的事件

存储数据的距离值列表

使用ndarray distinct，如何查找数据集中每个项目的频率

更新 通过@jojo help获得了解决方案

df = pd.read_csv('sample.csv', sep=',')
all_values = dataset.values.ravel()
notNan = np.logical_not(np.isnan(all_values))
distinct, counts = np.unique(all_values[notNan], return_counts=True)

Answer 1

首先请注意，如果您有一个普通的csv（逗号分隔），您应该使用sep=','。这是因为'\t'假定TAB作为分隔符

也可以考虑在^ {{CD4}}调用中添加^ {CD3>}，否则第一行将作为数据帧中的列名。

最后，由于列的长度不同，因此所有列中的nan值都比最长的列短，要删除这些值，可以在获取唯一值时屏蔽所有nan值。类似于values[np.logical_not(np.isnan(values))]，但请参见下文

---

把事情放在一起：

dataset = pd.read_csv('dataset.csv', sep=',', header=None)

all_values = dataset.values.ravel()

您可以直接使用^{} from numpy，它允许获取每个唯一值的计数：

import numpy as np
notNan = np.logical_not(np.isnan(all_values))
distinct, counts = np.unique(all_values[notNan], return_counts=True)

如果您关心频率，只需将counts除以all_values[notNan].size

---

下面是一个简单的例子（来自上面链接的文档）来强调np.unique是如何工作的：

>>> import numpy as np
>>> a = np.array([1, 2, 6, 4, 2, 3, 2])
>>> values, counts = np.unique(a, return_counts=True)
>>> values  # list of all unique values in a
array([1, 2, 3, 4, 6])
>>> counts  # count of the occurrences of each value in values
array([1, 3, 1, 1, 1])