パンダの絶対頻度と相対頻度

統計では、「頻度」という用語は、特定のデータサンプルでの値の出現回数を示します。数学的および科学的分析を目的としたソフトウェアとして、Pandasには、特定のサンプルから頻度を計算するための多くの組み込みメソッドがあります。

絶対頻度 これは、データ要素の出現回数が計算される頻度と同じです。以下の例では、特定のDataFrameに都市の名前が表示されている回数をカウントし、頻度として報告します。

アプローチ1 −.value_countsという名前のpandasメソッドを使用します。

例

import pandas as pd
# Create Data Frame
data = ["Chandigarh","Hyderabad","Pune","Pune","Chandigarh","Pune"]
# use the method .value_counts()
df = pd.Series(data).value_counts()
print(df)

出力

上記のコードを実行すると、次の結果が得られます-

Pune          3
Chandigarh    2
Hyderabad     1
dtype: int64

アプローチ2 − .crosstab

例

import pandas as pd
data = ["Chandigarh","Hyderabad","Pune","Pune","Chandigarh","Pune"]
df = pd.DataFrame(data,columns=["City"])
tab_result = pd.crosstab(index=df["City"],columns=["count"])
print(tab_result)

出力

上記のコードを実行すると、次の結果が得られます-

col_0        count
City
Chandigarh   2
Hyderabad    1
Pune         3

RelativeFrequency −これは、特定の頻度とデータサンプル内の観測の総数の間の割合です。したがって、値は浮動小数点値にすることができ、パーセンテージで表すこともできます。それを見つけるために、最初のアプローチで示されているように最初に頻度を計算し、次にそれをlen（）関数を使用して見つけられた観測の総数で割ります。

例

import pandas as pd
# Create Data Frame
data = ["Chandigarh","Hyderabad","Pune","Pune","Chandigarh","Pune"]
# use the method .value_counts()
df = pd.Series(data).value_counts()
print(df/len(data))

出力

上記のコードを実行すると、次の結果が得られます-

Pune 0.500000
Chandigarh 0.333333
Hyderabad 0.166667
dtype: float64