python - 为什么 value_counts 不显示所有存在的值？

Question

我在大型数据帧上使用 pandas 0.18.1。我对 value_counts() 的行为感到困惑。这是我的代码:

print df.phase.value_counts()
def normalise_phase(x):
    print x
    return int(str(x).split('/')[0])
df['phase_normalised'] = df['phase'].apply(normalise_phase)

这将打印以下内容:

2      35092
3      26248
1      24646
4      22189
1/2     8295
2/3     4219
0       1829
dtype: int64
1
nan

两个问题:

• 为什么 nan 打印为 normalise_phase 的输出，当 nan未在 value_counts 中列为值？
• 为什么 value_counts 将 dtype 显示为 int64 如果它具有如下字符串值1/2 和 nan 也在里面吗？

Answer 1

您需要传递 dropna=False 才能计算 NaN(请参阅 docs)。int64 是系列的数据类型(值的计数)。值本身就是索引。如果您检查，索引的 dtype 将是对象。

ser = pd.Series([1, '1/2', '1/2', 3, np.nan, 5])

ser.value_counts(dropna=False)
Out: 
1/2    2
5      1
3      1
1      1
NaN    1
dtype: int64

ser.value_counts(dropna=False).index
Out: Index(['1/2', 5, 3, 1, nan], dtype='object')