pandas计数函数 ：value_counts( )的使用

在pandas中，value_counts常用于数据表的计数及排序，它可以用来查看数据表中，指定列里有多少个不同的数据值，并计算每个不同值在该列中的个数，同时还能根据需要进行排序。
函数体及主要参数：

value_counts(values,sort=True, ascending=False,
normalize=False,bins=None,dropna=True)

参数说明：
sort=True： 是否要进行排序；默认进行排序
ascending=False： 默认降序排列；
normalize=False： 是否要对计算结果进行标准化，并且显示标准化后的结果，默认是False。
bins=None： 可以自定义分组区间，默认是否；
dropna=True：是否删除缺失值nan，默认删除
首先，我们还是先创建一个数据表：
代码如下：

import pandas as pd

df = pd.DataFrame({'城市': ['北京', '广州', '青岛', '上海', '杭州', '成都', '青岛', '南京', '北京', '北京', '上海'],

                   '收入': [10000, 10000, 5000, 5000, 40000, 50000, 8000, 5000, 5000, 5000, 10000],

                   '年龄': [50, 43, 34, 40, 25, 25, 45, 32, 25, 25, 34]})
#inplace=True的作用：
#如果为 True，则原地修改 DataFrame（不创建新对象）
df.set_index([["一", "二", "三", "四", "五", "六", "七", "八", "九", "十", "十一"]], inplace=True)
print(df)

运行结果：

（1）查看“城市”这一列的计数结果：
1.1源码：

print(df['城市'].value_counts())

1.2运行结果：

（2）采用升序的方式，查看“收入”这一列：

2.1源码：

print(df['收入'].value_counts(ascending=True))

2.2 运行结果：

3）使用标准化normalize=True的方法，查看“年龄”这一列的计数占比：
3.1源码

print(df['年龄'].value_counts(ascending=True,normalize=True))

3.2运行结果