データセットがあります

|category|
cat a
cat b
cat a

（一意の値と頻度を示す）などを返すことができるようにしたい

category | freq |
cat a       2
cat b       1

使用するgroupbyとcount：

In [37]:
df = pd.DataFrame({'a':list('abssbab')})
df.groupby('a').count()

Out[37]:

   a
a   
a  2
b  3
s  2

[3 rows x 1 columns]

オンラインドキュメントを参照してください：http : //pandas.pydata.org/pandas-docs/stable/groupby.html

またvalue_counts()、@ DSMがコメントしたように、ここで猫の皮をむく方法はたくさんあります

In [38]:
df['a'].value_counts()

Out[38]:

b    3
a    2
s    2
dtype: int64

元のデータフレームに頻度を追加したい場合はtransform、整列されたインデックスを返すために使用します。

In [41]:
df['freq'] = df.groupby('a')['a'].transform('count')
df

Out[41]:

   a freq
0  a    2
1  b    3
2  s    2
3  s    2
4  b    3
5  a    2
6  b    3

[7 rows x 2 columns]

すべての列に適用したい場合は、以下を使用できます。

df.apply(pd.value_counts)

これにより、列ベースの集計関数（この場合はvalue_counts）が各列に適用されます。

df.category.value_counts()

この短いコード行により、必要な出力が得られます。

列名にスペースが含まれている場合、使用できます

df['category'].value_counts()

df.apply(pd.value_counts).fillna(0)

value_counts-一意の値の数を含むオブジェクトを返します

apply-すべての列の頻度をカウントします。を設定するとaxis=1、すべての行に頻度が表示されます

fillna（0）-出力をより豪華にします。NaNを0に変更

0.18.1とgroupby一緒に使用するとcount、一意の値の頻度が得られません。

>>> df
   a
0  a
1  b
2  s
3  s
4  b
5  a
6  b

>>> df.groupby('a').count()
Empty DataFrame
Columns: []
Index: [a, b, s]

ただし、一意の値とその頻度は、次を使用して簡単に決定できますsize。

>>> df.groupby('a').size()
a
a    2
b    3
s    2

でdf.a.value_counts()ソートされた値（降順で、最初のすなわち最大値）デフォルトで返されます。

dfの複数の列にリスト内包表記とvalue_countsを使用する

[my_series[c].value_counts() for c in list(my_series.select_dtypes(include=['O']).columns)]

https://stackoverflow.com/a/28192263/786326

DataFrameに同じタイプの値がある場合はreturn_counts=True、numpy.unique（）でも設定できます。

index, counts = np.unique(df.values,return_counts=True)

値が整数の場合、np.bincount（）はより高速になる可能性があります。

ライブラリがなければ、代わりにこれを行うことができます：

def to_frequency_table(data):
    frequencytable = {}
    for key in data:
        if key in frequencytable:
            frequencytable[key] += 1
        else:
            frequencytable[key] = 1
    return frequencytable

例：

to_frequency_table([1,1,1,1,2,3,4,4])
>>> {1: 4, 2: 1, 3: 1, 4: 2}

dtype="category"たとえば、最初に列をカテゴリとしてブロードキャストすることにより、パンダでこれを行うこともできます。たとえば、

cats = ['client', 'hotel', 'currency', 'ota', 'user_country']

df[cats] = df[cats].astype('category')

次に呼び出すdescribe：

df[cats].describe()

これにより、値のカウントの一覧ともう少し多くのことがわかります:)：

    client  hotel   currency    ota user_country
count   852845  852845  852845  852845  852845
unique  2554    17477   132 14  219
top 2198    13202   USD Hades   US
freq    102562  8847    516500  242734  340992

n_values = data.income.value_counts()

最初の一意の値の数

n_at_most_50k = n_values[0]

2番目の固有値カウント

n_greater_50k = n_values[1]

n_values

出力：

<=50K    34014
>50K     11208

Name: income, dtype: int64

出力：

n_greater_50k,n_at_most_50k:-
(11208, 34014)

@metatoasterはすでにこれを指摘しています。に行くCounter。非常に高速です。

import pandas as pd
from collections import Counter
import timeit
import numpy as np

df = pd.DataFrame(np.random.randint(1, 10000, (100, 2)), columns=["NumA", "NumB"])

タイマー

%timeit -n 10000 df['NumA'].value_counts()
# 10000 loops, best of 3: 715 µs per loop

%timeit -n 10000 df['NumA'].value_counts().to_dict()
# 10000 loops, best of 3: 796 µs per loop

%timeit -n 10000 Counter(df['NumA'])
# 10000 loops, best of 3: 74 µs per loop

%timeit -n 10000 df.groupby(['NumA']).count()
# 10000 loops, best of 3: 1.29 ms per loop

乾杯！

このコードを使用してください：

import numpy as np
np.unique(df['a'],return_counts=True)

your data:

|category|
cat a
cat b
cat a

解決：

 df['freq'] = df.groupby('category')['category'].transform('count')
 df =  df.drop_duplicates()

これは、どのDataFrame列リストでも問題なく機能するはずです。

def column_list(x):
    column_list_df = []
    for col_name in x.columns:
        y = col_name, len(x[col_name].unique())
        column_list_df.append(y)
return pd.DataFrame(column_list_df)

column_list_df.rename(columns={0: "Feature", 1: "Value_count"})

関数 "column_list"は列名をチェックしてから、各列値の一意性をチェックします。