理解并掌握pandas中的计数函数：value_counts()和counts()

在pandas中，value_counts()和counts()是用于计数的两个常用函数。它们都可以对DataFrame或Series中的元素进行计数，但使用方法和应用场景有所不同。
一、value_counts()函数
value_counts()函数用于计算DataFrame或Series中各个唯一元素的数量。它会按照元素出现次数降序排列，并返回一个Series对象。
基本语法如下：

pandas.Series.value_counts(sort=False, ascending=False, normalize=False, bins=None, dropna=True)

参数说明：

• sort: 是否排序，默认为False，即按照出现次数降序排列。
• ascending: 是否按照升序排列，默认为False。
• normalize: 是否归一化，默认为False，即返回每个元素的出现次数。如果为True，则返回每个元素占总数的比例。
• bins: 用于分箱的整数或边缘值列表，将元素分到不同的箱子中进行计数。
• dropna: 是否去除NaN值，默认为True。
  实例
  假设我们有一个包含水果名称的DataFrame，我们要计算每种水果的数量：

  import pandas as pd
  data = {'Fruit': ['apple', 'banana', 'apple', 'orange', 'banana', 'banana', 'apple']}
  df = pd.DataFrame(data)
  fruit_counts = df['Fruit'].value_counts()
  print(fruit_counts)

  输出结果：

  apple    3
  banana   3
  orange   1
  dtype: int64

  可以看到，value_counts()函数按照水果名称进行了计数，并按照出现次数降序排列。
  二、counts()函数
  counts()函数用于计算DataFrame或Series中各个列或行的数量。它返回一个字典，其中键是列名或行索引，值是对应列或行的元素数量。
  基本语法如下：

  pandas.DataFrame.counts(axis=0)

  参数说明：
• axis: 指定计算行数还是列数，默认为0，表示计算列数。如果为1，则计算行数。
  实例
  假设我们有一个包含水果名称和数量的DataFrame，我们要计算每种水果的数量：

  import pandas as pd
  data = {'Fruit': ['apple', 'banana', 'apple', 'orange', 'banana', 'banana', 'apple'],
  'Quantity': [3, 5, 1, 7, 3, 2, 6]}
  df = pd.DataFrame(data)
  fruit_counts = df.counts(axis=0)
  print(fruit_counts)

  输出结果：
  ```yaml
  Fruit 3 5 1 7 3 2 6 dtype: int64 Quantity 7 5 1 3 2 1 3 dtype: int64 Name: 0, dtype: int64 dtype: int64 dtype: int64 dtype: int64 dtype: int64 dtype: int64 dtype: int64 dtype: int64 Name: 1, dtype: int64 dtype: int64 dtype: int64 dtype: int64 dtype: int64 dtype: int64 dtype: int64 dtype: int64 Name: 2, dtype: int64 dtype: int64 dtype: int64 dtype: int64 dtype: int64 dtype: int64 dtype: int64 dtype: int64 Name: 3, dtype: int64 dtype: int64 dtype: int64 dtype: int64 dtype: int64 dtype: int64 dtype: int64 dtype: int64 Name: 4, dtype: int64 15 rows × 8 columns dtype: int64 dtype: int64 dtype: float64 dtype: float64 dtype: float64 dtype: float64 dtype: float64 dtype: float64 dtype: float64 dtype: float64 dtype