转载了count()函数,以便自己以后更好的查阅。
string 中 某字符 的次数
str.count(sub, start= 0,end=len(string))
Args | Annotations |
---|---|
sub | 搜索的子字符串 |
start | 字符串开始搜索的位置。默认为第一个字符,第一个字符索引值为0。 |
end | 字符串中结束搜索的位置。字符中第一个字符的索引为 0。默认为字符串的最后一个位置。 |
list 中 某元素 的次数
list.count(obj)
Args | Annotations |
---|---|
obj | 搜索的list |
实验代码
string 中 某字符 的次数
# coding=utf-8
string = 'Hello World ! Hello Python !'
print "string.count(sub) : ", string.count('H')
print "string.count(sub, 1) : ", string.count('H', 1)
print "string.count(sub, 1, 100) : ", string.count('H', 1, 100) # 随便取个 无限大的 end 参数
打印结果:
string.count(sub) : 2
string.count(sub, 1) : 1
string.count(sub, 1, 100) : 1
list 中 某元素 的次数
list = [10, 20, 30, 'Hello', 10, 20]
print "list.count('Hello') : ", list.count('Hello')
print "list.count(10) : ", list.count(10)
打印结果:
list.count('Hello') : 1
list.count(10) : 2
pandas 的value_counts()函数可以对Series里面的每个值进行计数并且排序。
现有一个DataFrame
如果我们想知道,每个区域出现了多少次,可以简单如下:
每个区域都被计数,并且默认从最高到最低做降序排列。
如果想用升序排列,可以加参数ascending=True:
如果想得出的计数占比,可以加参数normalize=True:
空值是默认剔除掉的。value_counts()返回的结果是一个Series数组,可以跟别的数组进行运算。
value_count()跟透视表里(pandas或者excel)的计数很相似,都是返回一组唯一值,并进行计数。这样能快速找出重复出现的值。
size()和shape () 是numpy模块中才有的函数
size():计算数组和矩阵所有数据的个数
a = np.array([[1,2,3],[4,5,6]])
np.size(a),返回值为 6
np.size(a,1),返回值为 3
shape ():得到矩阵每维的大小
np. shape (a),返回值为 (2,3)
另外要注意的是,shape和size既可以作为函数,也可以作为ndarray的属性
a.size,返回值为 6,
a.shape,返回值为 (2,3)
今天的文章python中count()、values_counts()、size()函数分享到此就结束了,感谢您的阅读。
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。
如需转载请保留出处:https://bianchenghao.cn/8942.html