如何解决value_counts() 计算数据帧中的 NaN
数据框看起来像-
No Name
1 A
1 A
5 T
9 V
Nan M
5 T
1 A
我想使用 value_counts() 来获得这样的数据帧-
No Name Count
1 A 3
5 T 2
9 V 1
Nan M 1
我尝试执行 df[["No","Name"]].value_counts() 来计算除 nan 行之外的所有内容。有没有办法使用 value_counts() 来计算 Nan？
解决方法
您可以将 groupby 与 dropna=False 一起使用：
df.groupby(['No','Name'],dropna=False,as_index=False).size()
输出：
No Name size
0 1.0 A 3
1 5.0 T 2
2 9.0 V 1
3 NaN M 1
附言有趣的是，pd.Series.value_counts 方法也支持 dropna 参数，但 pd.DataFrame.value_counts 方法不支持
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。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 [email protected] 举报，一经查实，本站将立刻删除。