পাইথন: প্যান্ডাস ডেটাফ্রেমে আইটেমসেটের ফ্রিকোয়েন্সি গণনা করা

প্যান্ডাস ডেটাফ্রেমের কলামে কোনো ভ্যালু কতবার আবির্ভূত হয়েছে তা জানার জন্য value_counts() মেথড ব্যবহার করা হয়। এটি সিরিজে প্রয়োগ করা হয়।

উদাহরণ

import pandas as pd

df = pd.DataFrame({
    'Car': ['BMW', 'Mercedes', 'Lamborghini', 'Audi', 'Mercedes', 'Porsche', 'Lamborghini', 'BMW'],
    'Place': ['Delhi', 'Hyderabad', 'Chandigarh', 'Bangalore', 'Hyderabad', 'Mumbai', 'Mumbai', 'Pune'],
    'UnitsSold': [95, 80, 80, 75, 92, 90, 95, 50]
})

print("ডেটাফ্রেম:")
print(df)

# Car কলামের ফ্রিকোয়েন্সি
car_counts = df['Car'].value_counts()
print("\nCar কলামের ফ্রিকোয়েন্সি:")
print(car_counts)

# Place কলামের ফ্রিকোয়েন্সি
place_counts = df['Place'].value_counts()
print("\nPlace কলামের ফ্রিকোয়েন্সি:")
print(place_counts)

# UnitsSold কলামের ফ্রিকোয়েন্সি
units_counts = df['UnitsSold'].value_counts()
print("\nUnitsSold কলামের ফ্রিকোয়েন্সি:")
print(units_counts)

আউটপুট

Car কলামের ফ্রিকোয়েন্সি:
BMW           2
Lamborghini   2
Mercedes      2
Audi          1
Porsche       1
Name: Car, dtype: int64

Place কলামের ফ্রিকোয়েন্সি:
Mumbai       2
Hyderabad    2
Chandigarh   1
Pune         1
Delhi        1
Bangalore    1
Name: Place, dtype: int64

UnitsSold কলামের ফ্রিকোয়েন্সি:
95    2
80    2
92    1
75    1
90    1
50    1
Name: UnitsSold, dtype: int64

value_counts() প্যারামিটারসমূহ

# নরমালাইজড (পার্সেন্টেজ)
df['Car'].value_counts(normalize=True)

# সর্টিং: ascending=True (কম থেকে বেশি)
df['Car'].value_counts(ascending=True)

# NaN মানও গণনা
df['Car'].value_counts(dropna=False)

# বিনিং (বিনে গ্রুপ করে কাউন্ট) - কাটালগ লিস্টের জন্য
df['UnitsSold'].value_counts(bins=5)

একাধিক কলামের কম্বিনেশন ফ্রিকোয়েন্সি

# Car + Place কম্বিনেশন
combo = df.groupby(['Car', 'Place']).size().sort_values(ascending=False)
print(combo)

# অথবা value_counts() সরাসরি (প্যান্ডাস ১.১+)
combo = df.value_counts(subset=['Car', 'Place'])

বিজ্যুয়ালাইজেশন

import matplotlib.pyplot as plt

df['Car'].value_counts().plot(kind='bar', title='Car Frequency')
plt.show()