我刚刚开始使用 pandas 库来分析大型数据集。我正在分析具有属性 issuercountrycode 的信用卡数据，该属性由 117 种可能性组成。当尝试可视化数据集中使用的 issuercountrycode 时，我当前使用以下代码生成饼图。
df['issuercountrycode'].value_counts().plot(kind='pie')
plt.show()
这会产生以下饼图:
正如您所看到的，这并不理想，因为不经常使用多个值。 pandas 是否有可能在使用 value_counts() 函数时添加阈值，并将低于特定值的值添加到“其余”组中？这些类型的操作在 pandas 中是否可能？
最佳答案
你需要用 boolean indexing 来计数和总和:
tresh = 2
a = df['issuercountrycode'].value_counts()
b = a[a > tresh]
b['rest'] = a[a <= tresh].sum()
示例:
np.random.seed(10)
L = list('abcdef')
df = pd.DataFrame({'issuercountrycode':np.random.choice(L, size=15)})
tresh = 2
a = df['issuercountrycode'].value_counts()
b = a[a > tresh]
b['rest'] = a[a <= tresh].sum()
print (b)
b 5
f 3
a 3
rest 4
Name: issuercountrycode, dtype: int64
b.plot.pie()
关于python - 使用 Pandas value_counts() 添加 'rest' 组，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/43950837/