Pandas – 统计特征计算

函数	作用
df.value_counts()	统计数据出现的次数或者频率
df.sort_values()	按出现次数排序
df.sum()	求和
df.groupby()	分组统计
df.unique()	统计不重复的数据个数

# 统计一个字段出现的次数或者频率
df = df['uid'].value_counts().reset_index(name='uid_count')
'''
Args:
    ascending: 结果默认为降序排列，如果设置为True，则按照升序排列  
    normalize: 是否正则化，如果设置为True，则转化为比率  
'''

# 按条件查询后后排序 相当于SQL的SELECT * FROM 'train_df' WHERE uid='u138120097' ORDER BY 'time' ASC
train_df[train_df['uid']=='u138120097'].sort_values('time', axis=0, ascending=True, inplace=False)

# 分组统计个数
h = g.groupby(['uid','1_count','uid_count','ratio']).size().reset_index(name='counts")

# 统计一个字段出现的次数或者频率

df = df['uid'].value_counts().reset_index(name='uid_count')

'''

Args:

ascending: 结果默认为降序排列，如果设置为True，则按照升序排列

normalize: 是否正则化，如果设置为True，则转化为比率

'''

# 按条件查询后后排序相当于SQL的SELECT * FROM 'train_df' WHERE uid='u138120097' ORDER BY 'time' ASC

train_df[train_df['uid']=='u138120097'].sort_values('time', axis=0, ascending=True, inplace=False)

# 分组统计个数

h = g.groupby(['uid','1_count','uid_count','ratio']).size().reset_index(name='counts")

参考

Pandas常用统计方法
https://blog.csdn.net/luckarecs/article/details/71627893