烹制篇-Day21｜计数量盘：value_counts 统计频次、占比

📖 知识点

1. value_counts () 统计频次

统计某列每个 "取值" 出现的次数：

# 统计"菜系"列每个菜系出现几次
df["菜系"].value_counts()

运行输出：

川菜    2
鲁菜    2
粤菜    2
Name: 菜系, dtype: int64

2. 算占比（归一化）

加 normalize=True，返回每个取值所占比例（总和为 1）：

# 统计占比（0~1的小数）
df["菜系"].value_counts(normalize=True)

运行输出：

川菜    0.333333
鲁菜    0.333333
粤菜    0.333333
Name: 菜系, dtype: float64

3. 常用参数

💡 理解

• value_counts() 默认按频次降序排列（出现最多的排最前）
• normalize=True 把次数变成比例，方便看占比
• 适合统计：分类字段的分布（地区、类型、状态等）

⚠️ 易错提醒

1. value_counts() 通常作用于单个列（Series），df["列"].value_counts()
2. normalize=True 返回的是占比小数，不是次数
3. 空值默认会被忽略，不参与计数

⚔️ Kata 实战任务

任务需求：

1. 导入 pandas，创建一份数据（菜系、好评与否等分类列）
2. 用 df["菜系"].value_counts() 统计每个菜系出现次数
3. 用 normalize=True 统计占比
4. 打印结果，理解频次和占比

参考代码

import pandas as pd

data = {
    "菜系": ["川菜", "鲁菜", "川菜", "粤菜", "鲁菜", "川菜"],
    "菜名": ["麻婆豆腐", "葱爆羊肉", "回锅肉", "白切鸡", "糖醋鱼", "水煮鱼"],
}
df = pd.DataFrame(data)

# 计数量盘：统计菜系频次
print("===== 各菜系出现次数（降序）=====")
print(df["菜系"].value_counts())

print("\n===== 各菜系占比 =====")
print(df["菜系"].value_counts(normalize=True))

运行输出：

===== 各菜系出现次数（降序）====="
川菜    3
鲁菜    2
粤菜    1
Name: 菜系, dtype: int64

===== 各菜系占比 =====
川菜    0.500000
鲁菜    0.333333
粤菜    0.166667
Name: 菜系, dtype: float64

💡 观察：川菜出现 3 次、占一半 (0.5)，鲁菜 2 次、粤菜 1 次。value_counts 自动按次数降序排列，一眼看出哪个菜系最多。占比则直观给出 "各占几成"。

🧠 思考题

1. value_counts() 默认按什么顺序排列？想从少到多看要加什么参数？
2. normalize=True 返回的值加起来约等于多少？它和次数有什么关系？