1
2
df = pd.DataFrame(X_scaled_minmax)
df[df[0]>=0.5].count()
제가 무언가를 셀때 count()를 사용했었는데 판다스를 써본적이 있거나 다른 곳에서 value_counts()라는 것도 보신분이 있을 것입니다. 둘은 어떻게 다르고 어떻게 사용하는지 한번 보겠습니다.
일단 count() 부터 알아봅시다.
Parameters
axis : {0 or ‘index’, 1 or ‘columns’}, default 0
If 0 or ‘index’ counts are generated for each column. If 1 or ‘columns’ counts are generated for each row.
level : int or str, optional
If the axis is a MultiIndex (hierarchical), count along a particular level, collapsing into a DataFrame. A str specifies the level name.
numeric_only : bool, default False
Include only float, int or boolean data.
count의 매개변수는 총 3가지로 그중 axis만 알고 가셔도 됩니다. axis는 어떤 축을 기준으로 할 것인가 입니다. 0이라면 가로(row)를 기준으로 숫자를 세개되고 1이라면 세로(columns)가 기준이 됩니다. 직접 보는게 빠르겠네요
count를 하니 시리즈 형태로 값을 출력합니다. 먼저 조건식으로 df를 특정 열을 뽑아오면서 columns의 이름이 0으로 재구성 되었습니다. 해당 조건을 만족하는 데이터가 0 컬럼에 9개 존재한다 입니다. 아무것도 쓰지 않을때는 기본값은 0입니다.
이제 축을 바꿔봅시다.
index를 기준으로 계산을 하게 됩니다. 3번 index에 1개있고 5번 index에 1개 있고… 각 인덱스의 위치를 반환하게 됩니다.
덤으로 size라는 매소드를 쓰면 간단하게 몇개 있는지 알려줍니다.
value_counts()를 살펴봅시다.
Parameters
subset : list-like, optional
Columns to use when counting unique combinations.
normalize : bool, default False
빈도와 비율중 선택을 합니다. 기본값은 빈도(False), True를 선택할 경우 비율을 반환합니다.
sort : bool, default True
정렬 기준에 빈도 여부를 물어봅니다. 기본값 False는 순서대로 호출하고 Ture는 빈도별로 정렬합니다.
ascending : bool, default False
정렬방식입니다. 기본값은 내림차순(False)이며 True로 할경우 오름차순입니다.
dropna : bool, default True
True면 NaN을 뭇하고 Falsue면 유일값에 NaN을 포함합니다.
매개변수는 5개로 1개의 옵션을 제외하면 4가지의 기본값이 있습니다.
사용해보시면 이렇게 해당 값들의 고유하개 몇개가 있는지 살펴볼 수 있습니다.
즉 다시 정리하자면 count는 특정 기준으로하는 크기를 알 수 있고 value_counts는 개별적인 값의 빈도를 알 수 있습니다.
Comments powered by Disqus.