polars.Series.value_counts

Series.value_counts(
    *,
    sort: bool = False,
    parallel: bool = False,
    name: str_ | None = None,
    normalize: bool = False,
) → DataFrame

Подсчитать количество вхождений уникальных значений.

Параметры:

sort

Отсортировать результат по количеству в порядке убывания. Если задано False (по умолчанию), порядок не детерминирован.

parallel

Выполнить вычисление параллельно.

Примечание

Вероятно, этот параметр не следует включать в контексте group_by, поскольку вычисление уже будет распараллелено по группам.

name

Задать столбцу с результатом подсчёта определённое имя; если normalize равно True, по умолчанию используется «proportion», иначе — «count».

normalize

Если задано True, количество возвращается как относительная частота уникальных значений, нормализованная до 1.0.

Возвращает:

DataFrame

Столбцы сопоставляют уникальные значения с их количеством (или долей).

Примеры

>>> s = pl.Series("color", ["red", "blue", "red", "green", "blue", "blue"])
>>> s.value_counts()  
shape: (3, 2)
┌───────┬───────┐
│ color ┆ count │
│ ---   ┆ ---   │
│ str   ┆ u32   │
╞═══════╪═══════╡
│ red   ┆ 2     │
│ green ┆ 1     │
│ blue  ┆ 3     │
└───────┴───────┘

Отсортировать результат по количеству и задать имя столбцу с количеством.

>>> s.value_counts(sort=True, name="n")
shape: (3, 2)
┌───────┬─────┐
│ color ┆ n   │
│ ---   ┆ --- │
│ str   ┆ u32 │
╞═══════╪═════╡
│ blue  ┆ 3   │
│ red   ┆ 2   │
│ green ┆ 1   │
└───────┴─────┘

Вернуть количество как относительную частоту, нормализованную до 1.0:

>>> s.value_counts(sort=True, normalize=True, name="fraction")
shape: (3, 2)
┌───────┬──────────┐
│ color ┆ fraction │
│ ---   ┆ ---      │
│ str   ┆ f64      │
╞═══════╪══════════╡
│ blue  ┆ 0.5      │
│ red   ┆ 0.333333 │
│ green ┆ 0.166667 │
└───────┴──────────┘