Pandas统计计数value_counts()的使用

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

import pandas as pd
import numpy as np
 
df = pd.DataFrame({'City': ['北京', '广州', '深圳', '上海', '大连', '成都', '深圳', '厦门', '北京', '北京', '上海', '珠海'],
                   'Revenue': [10000, 10000, 5000, 5000, 40000, 50000, 8000, 5000, 5000, 5000, 10000, 12000],
                   'Age': [50, 43, 34, 40, 25, 25, 45, 32, 25, 25, 34, np.nan]})
 
# 1.查看'City'这一列的计数结果(对给定列里面的每个值进行计数并进行降序排序，缺失值nan也会被排除)
# value_counts()并不是未带任何参数，而是所有参数都是默认的
res1 = df['City'].value_counts()
 
# 2.查看'Revenue'这一列的计数结果(采用升序的方式)
res2 = df['Revenue'].value_counts(ascending=True)
 
# 3.查看'Age'这一列的计数占比(使用标准化normalize=True)
res3 = df['Age'].value_counts(ascending=True,normalize=True)
 
# 4.查看'Age'这一列的计数结果(展示NaN值的计数)
res4 = df['Age'].value_counts(dropna=False)
 
# 5.查看'Age'这一列的计数结果(不展示NaN值的计数)
# res5 = df['Age'].value_counts()
res5 = df['Age'].value_counts(dropna=True)