Pandas的count（）与value_counts（）区别

pandas.DataFrame.count使用函数方法
count计算每列或每行的非NA单元格。

值None，NaN，NaT和可选的numpy.inf（取决于pandas.options.mode.use_inf_as_na）被视为NA。
demo:

import  pandas as  pdimport  numpy as  npdf =  pd.DataFrame({     "Person":                                        ["John",  "Myla",  "Lewis",  "John",  "Myla"],                                    "Age":  [24.,  np.nan,  21.,  33,  26],                                      "Single":  [False,  True,  True,  True,  False]})print(df)print('______count begin_________')print(df.groupby('Person').count())

Out:

  Person   Age  Single0      John  24.0      False1      Myla   NaN    True2    Lewis  21.0        True3      John  33.0        True4      Myla  26.0      False______count begin_________        Age  SinglePerson             John      2              2Lewis     1              1Myla      1              2

由上可见，False也是计入count的。

进一步探讨。

df =  pd.DataFrame({     "Person":                                        ["John", "Myla", "Lewis", "John", "Myla"],                  "Age": [24., np.nan, 21., 33, 26],                   "Single": [False, True, True, True, False]})print(df)print('______count begin_________')print(df.groupby('Person')['Age'].count())print('______valuecount begin_________')print(df.groupby('Person')['Age'].value_counts())

Out:

  Person   Age  Single0   John  24.0   False1   Myla   NaN    True2  Lewis  21.0    True3   John  33.0    True4   Myla  26.0   False______count begin_________PersonJohn     2Lewis    1Myla     1Name: Age, dtype: int64______valuecount begin_________Person  Age John    24.0    1        33.0    1Lewis   21.0    1Myla    26.0    1Name: Age, dtype: int64

总结：

groupby('Person')['Age'].count()

统计了Person里各个特征在Age中的非N值出现的次数。John出现了两次，Lewis出现了一次， Myla出现了两次，但有一次在Age为空值。

groupby('Person')['Age'].value_counts()

统计了以Person为索引，Age每一个特征出现的次数。

groupby(‘A’)[‘B’].count()，统计的还是A的特征
groupby(‘A’)[‘B’].value_counts()，统计的是B的特征

print(df.groupby(['Person'])['Age'].count())

还是统计Person的特征在Age里非零值的出现次数。

PersonJohn     2Lewis    1Myla     1Name: Age, dtype: int64

print(df.groupby(['Person'])['Age'].sum())

统计Person在Age里对应的数值的和。

PersonJohn     57.0Lewis    21.0Myla     26.0Name: Age, dtype: float64