Python中的Pandas DataFrame count（）方法

Pandas DataFrame.count（）函数用于计算给定轴上的非NA /空值的数量。伟大的事情是它也可以与非浮点类型数据一起使用。 df.count（）函数在Pandas库中定义。 Pandas是Python中的软件包之一，它使用户更容易分析数据。

了解Pandas DataFrame count（）

Pandas DataFrame.count（）函数用于对给定轴上的非NA /空观测值进行计数。 DataFrame.count（）也适用于非浮动类型的数据。 count（）函数用于对每一列或每一行的非NA单元进行计数。值None，NaN，NaT和可选的numpy.inf（取决于pandas.options.mode.use_inf_as_na）被视为NA。

句法

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

所有参数均设置为默认值。

参量

熊市猫的dataframe.count（）函数具有三个参数。

1. 轴：行方向为0，列方向为1。
2. 级别：如果轴是Multiindex（分层），则计数与特定级别一起完成，并折叠为DataFrame。
3. numeric_only：此参数仅包含float，int和boolean数据。

返回值

熊市猫的count（）方法通常返回series，但是当指定级别时，它也可以返回DataFrame。

关于Pandas DataFrame count（）的示例程序

编写一个程序来展示Python中count（）方法的工作方式。

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:nn", df)
print("nCount:n")

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

输出量

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

在上面的示例中，我们可以看到我们创建了一个包含学生数据的数据框，然后打印了该数据框。之后，我们使用count（）函数获取每一列中的值计数（其中存在的元素数）。

一件事，您会注意到count（）函数没有计算NaN值。

编写一个程序以使用count（）按行显示计数。

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:nn", df)
print("nCount:n")

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

输出量

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

在上面的示例中，我们可以看到我们创建了一个包含学生数据的数据框，然后打印了该数据框。之后，我们使用count（）函数逐行获取计数。

计数一级的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:nn", df)
print("nCount:n")

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

在此示例中，我们使用Pandas set_index（）函数设置了多索引。

输出量

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

结论

一旦您知道核心操作以及如何使用数据，Pandas便是处理数据的强大工具。值None，NaN，NaT和可选的numpy.inf（取决于pandas.options.mode.use_inf_as_na）被视为NA。 count（）函数对每一列或每一行的非NA单元进行计数。

也可以看看

熊市猫DataFrame位置[]

熊市猫date_range（）

熊市猫DataFrame reset_index（）

熊市猫to_datetime（）

熊市猫to_frame（）