Gibt es Funktionen um das Histogramm zählt zu einer Serie, in der pandas?

Es ist eine Methode, um Grundstück Serie Histogramme, aber gibt es eine Funktion zum abrufen der Histogramm zählt, um weitere Berechnungen oben drauf?

Behalte ich numpy-Funktionen, um dies zu tun, und konvertieren Sie das Ergebnis in ein DataFrame oder eine Serie, wenn ich dies benötigen. Es wäre schön zu bleiben, mit pandas Objekte die ganze Zeit.

InformationsquelleAutor Rafael S. Calsaverini | 2013-06-17
  1. 11

    Wenn Ihr Serie war diskret, die Sie nutzen könnten value_counts:

    In [11]: s = pd.Series([1, 1, 2, 1, 2, 2, 3])

In [12]: s.value_counts()
Out[12]:
2    3
1    3
3    1
dtype: int64

    Können Sie sehen, dass en.hist() ist im wesentlichen äquivalent zu s.value_counts().plot().

    Wenn es der Schwimmer eine schreckliche hacky Lösung könnte sein, verwenden Sie groupby:

    s.groupby(lambda i: np.floor(2*s[i]) / 2).count()
    • Ich habe floating-point-zahlen. 🙁 Die meisten von denen zählt, wird werden 1. Dies kann immer noch nützlich für die kumulative Verteilungen aber, danke. Kann ich resample irgendwie wie kann ich mit TimeSeries?
    • ah, ich sehe!
    • nun, ich habe einen hacky Weg, scheint es wahrscheinlich, dass es einen besseren Weg (pandas-foo ist nicht mit mir heute).
    • Beachten Sie, dass value_counts hat jetzt eine bins argument zu handhaben schwimmt schön.
    InformationsquelleAutor Andy Hayden
  2. 12

    Seit hist und value_counts nicht die Serie' index, können Sie ebenso behandeln Sie die Serie wie ein gewöhnliches array und verwenden Sie np.histogram direkt. Erstellen Sie dann eine Reihe von dem Ergebnis.

    In [4]: s = Series(randn(100))

In [5]: counts, bins = np.histogram(s)

In [6]: Series(counts, index=bins[:-1])
Out[6]: 
-2.968575     1
-2.355032     4
-1.741488     5
-1.127944    26
-0.514401    23
 0.099143    23
 0.712686    12
 1.326230     5
 1.939773     0
 2.553317     1
dtype: int32

    Dies ist eine wirklich bequeme Art und Weise zu organisieren, das Ergebnis ein Histogramm für die spätere Berechnung.

    Index der center jeder bin-statt der linken Kante, die Sie nutzen könnten bins[:-1] + np.diff(bins)/2.

    • das ist einfach so viel schöner 🙂
    • Dies ist in der Nähe, was ich normalerweise tun. Ich war nur neugierig, ob es eine eingebaute pandas Funktion für, die.
    • Boom: github.com/pydata/pandas/issues/3945
    InformationsquelleAutor Dan Allan
  3. 2

    Wenn Sie wissen, die Anzahl der Plätze, die Sie wollen, können Sie pandas' Ausschneiden - Funktion, die jetzt zugänglich über value_counts. Mit dem gleichen Beispiel:

    s = pd.Series(np.random.randn(100))
s.value_counts(bins=5)

Out[55]: 
(-0.512, 0.311]     40
(0.311, 1.133]      25
(-1.335, -0.512]    14
(1.133, 1.956]      13
(-2.161, -1.335]     8
    InformationsquelleAutor IanS
Schreibe einen Kommentar