python想統(tǒng)計數(shù)據(jù)框中指定一列的頻數(shù),要使用以下哪個函數(shù)？

Python想統(tǒng)計數(shù)據(jù)框中指定的一列數(shù)，那么再說函數(shù)的時候，你可以使用if函數(shù)或者是其他的函數(shù)都可以。

創(chuàng)新互聯(lián)網(wǎng)站建設(shè)公司，提供網(wǎng)站設(shè)計制作、成都網(wǎng)站設(shè)計，網(wǎng)頁設(shè)計，建網(wǎng)站，PHP網(wǎng)站建設(shè)等專業(yè)做網(wǎng)站服務(wù);可快速的進行網(wǎng)站開發(fā)網(wǎng)頁制作和功能擴展；專業(yè)做搜索引擎喜愛的網(wǎng)站，是專業(yè)的做網(wǎng)站團隊，希望更多企業(yè)前來合作!

python 統(tǒng)計 函數(shù)運行 次數(shù)。

你好：

我對代碼做了注釋：

#last是一個列表，里面只有一個元素，就是1，說明已經(jīng)運行一次

def?counter(last=[1]):

#last[0]將列表里面的第一個元素取出，然后加1，賦值給next

next?=?last[0]?+?1

#修改列表里面第一個元素的值

last[0]?=?next

#返回此時運行的次數(shù)

return?next

如何高效地使用Python統(tǒng)計數(shù)據(jù)的頻率

之前用 Python 寫過一個腳本，用來處理上千萬用戶的一些數(shù)據(jù)，其中有一個需求是統(tǒng)計用戶的某一數(shù)據(jù)的去重數(shù)量。為了加快程序的速度，我啟用了多進程。但不幸的是，程序跑了近一個星期，還沒處理完。這時，我感覺到了不對，于是開始查看程序的性能瓶頸。

對于統(tǒng)計去重數(shù)，我是將用戶的數(shù)據(jù)放到一個列表中，然后用 len(set(data)) 去統(tǒng)計去重數(shù)量。剛開始我以為這的數(shù)據(jù)量并不大，每個用戶的數(shù)據(jù)不會過百，我并沒有注意到有的用戶會有上萬條的數(shù)據(jù)，因此消耗了大量的時間（其實我的腳本消耗時間最大的地方是因為從遠程 redis 中取大量數(shù)據(jù)時發(fā)生長時間的阻塞，甚至連接超時，最后我采用的方式分而治之，每次取少量的數(shù)據(jù)，這樣大大的提高了性能）。

為了做優(yōu)化，我開始尋求高效的方法。我發(fā)現(xiàn)，有大量的人認為采用字典效率會更高，即：

data_unique = {}.fromkeys(data).keys() len(data_unique)

于是，我做了下測試：

In [1]: import random In [2]: data = [random.randint(0, 1000) for _ in xrange(1000000)] In [3]: %timeit len(set(data)) 10 loops, best of 3: 39.7 ms per loop In [4]: %timeit len({}.fromkeys(data).keys()) 10 loops, best of 3: 43.5 ms per loop

由此可見，采用字典和采用集合的性能是差不多的，甚至可能還要慢些。

在 Python 中其實有很多高效的庫，例如用 numpy、pandas 來處理數(shù)據(jù)，其性能接近于 C 語言。那么，我們就用 numpy 和 pandas 來解決這個問題，這里我還比較了獲取去重數(shù)據(jù)的性能，代碼如下：

import collections import random as py_random import timeit import numpy.random as np_random import pandas as pd DATA_SIZE = 10000000 def py_cal_len(): data = [py_random.randint(0, 1000) for _ in xrange(DATA_SIZE)] len(set(data)) def pd_cal_len(): data = np_random.randint(1000, size=DATA_SIZE) data = pd.Series(data) data_unique = data.value_counts() data_unique.size def py_count(): data = [py_random.randint(0, 1000) for _ in xrange(DATA_SIZE)] collections.Counter(data) def pd_count(): data = np_random.randint(1000, size=DATA_SIZE) data = pd.Series(data) data.value_counts() # Script starts from here if __name__ == "__main__": t1 = timeit.Timer("py_cal_len()", setup="from __main__ import py_cal_len") t2 = timeit.Timer("pd_cal_len()", setup="from __main__ import pd_cal_len") t3 = timeit.Timer("py_count()", setup="from __main__ import py_count") t4 = timeit.Timer("pd_count()", setup="from __main__ import pd_count") print t1.timeit(number=1) print t2.timeit(number=1) print t3.timeit(number=1) print t4.timeit(number=1)

運行結(jié)果：

12.438587904 0.435907125473 14.6431810856 0.258564949036

利用 pandas 統(tǒng)計數(shù)據(jù)的去重數(shù)和去重數(shù)據(jù)，其性能是 Python 原生函數(shù)的 10 倍以上。

分享文章：頻次統(tǒng)計函數(shù)python,頻率統(tǒng)計方法
本文鏈接：http://vcdvsql.cn/article20/hsjjco.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供App設(shè)計、服務(wù)器托管、企業(yè)網(wǎng)站制作、搜索引擎優(yōu)化、自適應(yīng)網(wǎng)站、用戶體驗

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)