advanced value counts
1.0.0
Advanced-value-counts是一個python包裝，其中包含AdvancedValueCounts類，可利用pandas'.Value_counts .value_counts() ，. .groupby()和Seaborn（Seaborn）和Seaborn輕鬆獲取有關PANDAS DataFrame中（分類）列計數的大量信息。當需要在分組之後的列計數的信息時，該軟件包的潛力是達到頂峰： df.groupby(groupby_col)[column].value_counts() 。請參閱有關如何使用AdvancedValueCounts用法。閱讀此媒介文章，或諮詢此筆記本，以解釋此軟件包的附加值。
目錄：
pip install advanced-value-counts
如果出現錯誤，請升級PIP和setuptools
python3 -m pip install --upgrade pip
python3 -m pip install --upgrade setuptools
git clone https://github.com/sTomerG/advanced-value-counts.git
cd advanced-value-counts
pip install -e .
# optional but potentially crucial
pip install -r requirements/requirements.txt
要測試安裝是否在高級價值計數目錄中運行（預計會棄用遊戲）
pytest
下面的示例使用了Kaggle的泰坦尼克號數據集的修改版本，可以在此處找到此Gitrepo。
該筆記本的代碼可以在此處找到。
from advanced_value_counts . avc import AdvancedValueCounts
import pandas as pd
# read in the data file
df = pd . read_csv ( '../tests/data/titanic.csv' , usecols = [ 'CabinArea' , 'Title' ])
df . head ()| Cabinarea | 標題 | |
|---|---|---|
| 0 | 南 | 先生。 |
| 1 | c | 太太。 |
| 2 | 南 | 錯過。 |
| 3 | c | 太太。 |
| 4 | 南 | 先生。 |
# create an instance of AdvancedValueCounts
avc = AdvancedValueCounts ( df = df , column = 'Title' )
# print the AdvancedValueCounts DataFrame
avc . avc_df| 比率 | 數數 | |
|---|---|---|
| 標題 | ||
| 先生。 | 0.580247 | 517 |
| 錯過。 | 0.204265 | 182 |
| 太太。 | 0.140292 | 125 |
| 掌握。 | 0.044893 | 40 |
| _na | 0.007856 | 7 |
| 修訂版 | 0.006734 | 6 |
| 主要的。 | 0.002245 | 2 |
| 上校 | 0.002245 | 2 |
| mlle。 | 0.002245 | 2 |
| 伯爵夫人。 | 0.001122 | 1 |
| 上尉。 | 0.001122 | 1 |
| 多發性硬化症。 | 0.001122 | 1 |
| 先生。 | 0.001122 | 1 |
| 女士。 | 0.001122 | 1 |
| 媽媽。 | 0.001122 | 1 |
| 大學教師。 | 0.001122 | 1 |
| 喬尼克。 | 0.001122 | 1 |
將min_group_count設置為5，以將小組分組為'_other'組
avc . min_group_count = 5
avc . avc_df| 比率 | 數數 | |
|---|---|---|
| 標題 | ||
| 先生。 | 0.580247 | 517 |
| 錯過。 | 0.204265 | 182 |
| 太太。 | 0.140292 | 125 |
| 掌握。 | 0.044893 | 40 |
| _其他 | 0.015713 | 14 |
| _na | 0.007856 | 7 |
| 修訂版 | 0.006734 | 6 |
AdvancedValueCounts類的參數以調整一個列的小組：
dropna : bool = False
min_group_count : int = 1 # does not effect NA or the '_other' group
min_group_ratio : float = 0 # does not effect NA or the '_other' group也可以將column與參數groupy_col: str = None mimick df.groupby(groupby_col)[column].value_counts()
avc_grouped = AdvancedValueCounts ( df = df , column = 'Title' , groupby_col = 'CabinArea' )
avc_grouped . avc_df| 數數 | subgroup_ratio | subgr_r_r_diff_subgr_all | r_vs_total | ||
|---|---|---|---|---|---|
| Cabinarea | 標題 | ||||
| 一個 | 上校 | 1 | 0.066667 | 0.064422 | 0.001122 |
| 女士。 | 1 | 0.066667 | 0.065544 | 0.001122 | |
| 掌握。 | 1 | 0.066667 | 0.021773 | 0.001122 | |
| 先生。 | 11 | 0.733333 | 0.153086 | 0.012346 | |
| 先生。 | 1 | 0.066667 | 0.065544 | 0.001122 | |
| ... | ... | ... | ... | ... | ... |
| _na | 太太。 | 81 | 0.117904 | -0.022388 | 0.090909 |
| 多發性硬化症。 | 1 | 0.001456 | 0.000333 | 0.001122 | |
| 修訂版 | 6 | 0.008734 | 0.002000 | 0.006734 | |
| _na | 4 | 0.005822 | -0.002034 | 0.004489 | |
| _全部的 | 687 | 1.000000 | 0.000000 | 0.771044 |
74行×4列
為了更好地概述數據
avc_grouped . min_group_ratio = 0.05
avc_grouped . min_subgroup_count = 5
avc_grouped . round_ratio = 3
avc_grouped . avc_df| 數數 | subgroup_ratio | subgr_r_r_diff_subgr_all | r_vs_total | ||
|---|---|---|---|---|---|
| Cabinarea | 標題 | ||||
| b | 錯過。 | 14 | 0.298 | 0.094 | 0.016 |
| 先生。 | 16 | 0.340 | -0.240 | 0.018 | |
| 太太。 | 10 | 0.213 | 0.073 | 0.011 | |
| _na | 1 | 0.021 | 0.013 | 0.001 | |
| _其他 | 6 | 0.127 | 0.111 | 0.007 | |
| _全部的 | 47 | 1.000 | 0.000 | 0.053 | |
| c | 錯過。 | 12 | 0.203 | -0.001 | 0.013 |
| 先生。 | 29 | 0.492 | -0.088 | 0.033 | |
| 太太。 | 14 | 0.237 | 0.097 | 0.016 | |
| _na | 1 | 0.017 | 0.009 | 0.001 | |
| _其他 | 3 | 0.051 | 0.035 | 0.003 | |
| _全部的 | 59 | 1.000 | 0.000 | 0.066 | |
| _全部 | 掌握。 | 40 | 0.045 | 南 | 0.045 |
| 錯過。 | 182 | 0.204 | 南 | 0.204 | |
| 先生。 | 517 | 0.580 | 南 | 0.580 | |
| 太太。 | 125 | 0.140 | 南 | 0.140 | |
| 修訂版 | 6 | 0.007 | 南 | 0.007 | |
| _na | 7 | 0.008 | 南 | 0.008 | |
| _其他 | 14 | 0.016 | 南 | 0.016 | |
| _全部的 | 891 | 1.000 | 南 | 1.000 | |
| _na | 掌握。 | 33 | 0.048 | 0.003 | 0.037 |
| 錯過。 | 135 | 0.197 | -0.007 | 0.152 | |
| 先生。 | 424 | 0.617 | 0.037 | 0.476 | |
| 太太。 | 81 | 0.118 | -0.022 | 0.091 | |
| 修訂版 | 6 | 0.009 | 0.002 | 0.007 | |
| _na | 4 | 0.006 | -0.002 | 0.004 | |
| _其他 | 4 | 0.006 | -0.010 | 0.004 | |
| _全部的 | 687 | 1.000 | 0.000 | 0.771 | |
| _其他 | 掌握。 | 5 | 0.051 | 0.006 | 0.006 |
| 錯過。 | 21 | 0.214 | 0.010 | 0.024 | |
| 先生。 | 48 | 0.490 | -0.090 | 0.054 | |
| 太太。 | 20 | 0.204 | 0.064 | 0.022 | |
| _na | 1 | 0.010 | 0.002 | 0.001 | |
| _其他 | 3 | 0.031 | 0.015 | 0.003 | |
| _全部的 | 98 | 1.000 | 0.000 | 0.110 |
AdvancedValueCounts類的參數以調整為分組的AdvancedValueCounts中的分組化
# for groupby_col:
dropna : bool = False
max_groups : int = None # does not effect NA or the '_other' group
min_group_count : int = 1 # does not effect NA or the '_other' group
min_group_ratio : float = 0 # does not effect NA or the '_other' group
# for column:
dropna : bool = False
max_subgroups : int = None # does not effect NA or the '_other' group
min_subgroup_count : int = 1 # does not effect NA or the '_other' group
min_subgroup_ratio : float = 0 # does not effect NA or the '_other' group
min_subgroup_ratio_vs_total : float = 0 # does not effect NA or the '_other' group要獲取AdvancedValueCounts.avc_df的圖：
avc_grouped . get_plot ( normalize = True ) # normalize = True is default value 
在沒有summary_statistics（例如'_all'和'_total'的情況下，獲取數據幀：
avc_grouped . unsummerized_df| 數數 | subgroup_ratio | subgr_r_r_diff_subgr_all | r_vs_total | ||
|---|---|---|---|---|---|
| Cabinarea | 標題 | ||||
| b | 錯過。 | 14 | 0.298 | 0.094 | 0.016 |
| 先生。 | 16 | 0.340 | -0.240 | 0.018 | |
| 太太。 | 10 | 0.213 | 0.073 | 0.011 | |
| _na | 1 | 0.021 | 0.013 | 0.001 | |
| _其他 | 6 | 0.127 | 0.111 | 0.007 | |
| c | 錯過。 | 12 | 0.203 | -0.001 | 0.013 |
| 先生。 | 29 | 0.492 | -0.088 | 0.033 | |
| 太太。 | 14 | 0.237 | 0.097 | 0.016 | |
| _na | 1 | 0.017 | 0.009 | 0.001 | |
| _其他 | 3 | 0.051 | 0.035 | 0.003 | |
| _na | 掌握。 | 33 | 0.048 | 0.003 | 0.037 |
| 錯過。 | 135 | 0.197 | -0.007 | 0.152 | |
| 先生。 | 424 | 0.617 | 0.037 | 0.476 | |
| 太太。 | 81 | 0.118 | -0.022 | 0.091 | |
| 修訂版 | 6 | 0.009 | 0.002 | 0.007 | |
| _na | 4 | 0.006 | -0.002 | 0.004 | |
| _其他 | 4 | 0.006 | -0.010 | 0.004 | |
| _其他 | 掌握。 | 5 | 0.051 | 0.006 | 0.006 |
| 錯過。 | 21 | 0.214 | 0.010 | 0.024 | |
| 先生。 | 48 | 0.490 | -0.090 | 0.054 | |
| 太太。 | 20 | 0.204 | 0.064 | 0.022 | |
| _na | 1 | 0.010 | 0.002 | 0.001 | |
| _其他 | 3 | 0.031 | 0.015 | 0.003 |
git clone https://github.com/sTomerG/advanced-value-counts.git
cd advanced-value-counts
python3 -m venv .venv
激活虛擬環境
視窗：
..venvScriptsactivate
Linux / MacOS：
source .venv/bin/activate
安裝要求
python -m pip install --upgrade pip
pip install -r requirements/requirements.txt
測試一切是否正常
（預計將是棄用戰爭）
與毒品
tox
沒有毒物
pip install -e .
pytest
