¿Cómo puedo calcular un histograma (tabla de frecuencia) para una sola serie?

¿Cómo puedo generar una tabla de frecuencias (o histograma) para una sola Serie? Por ejemplo, si tengo my_series = pandas.Series([1,2,2,3,3,3])¿cómo puedo obtener un resultado como {1: 1, 2: 2, 3: 3} – es decir, un recuento de cuántas veces aparece cada valor en el Series?

Quizás .value_counts()?

>>> import pandas
>>> my_series = pandas.Series([1,2,2,3,3,3, "fred", 1.8, 1.8])
>>> my_series
0       1
1       2
2       2
3       3
4       3
5       3
6    fred
7     1.8
8     1.8
>>> counts = my_series.value_counts()
>>> counts
3       3
2       2
1.8     2
fred    1
1       1
>>> len(counts)
5
>>> sum(counts)
9
>>> counts["fred"]
1
>>> dict(counts)
{1.8: 2, 2: 2, 3: 3, 1: 1, 'fred': 1}

Puede usar la comprensión de listas en un marco de datos para contar las frecuencias de las columnas como tales

[my_series[c].value_counts() for c in list(my_series.select_dtypes(include=['O']).columns)]

Desglose:

my_series.select_dtypes(include=['O']) 

Selecciona solo los datos categóricos

list(my_series.select_dtypes(include=['O']).columns) 

Convierte las columnas de arriba en una lista

[my_series[c].value_counts() for c in list(my_series.select_dtypes(include=['O']).columns)] 

Itera a través de la lista anterior y aplica value_counts() a cada una de las columnas

La respuesta proporcionada por @DSM es simple y directa, pero pensé en agregar mi propio aporte a esta pregunta. Si miras el código de pandas.value_countsverás que están pasando muchas cosas.

Si necesita calcular la frecuencia de muchas series, esto podría llevar un tiempo. Una implementación más rápida sería utilizar numpy.unique con return_counts = True

Aquí hay un ejemplo:

import pandas as pd
import numpy as np

my_series = pd.Series([1,2,2,3,3,3])

print(my_series.value_counts())
3    3
2    2
1    1
dtype: int64

Observe aquí que el artículo devuelto es un pandas.Series

En comparación, numpy.unique devuelve una tupla con dos elementos, los valores únicos y los recuentos.

vals, counts = np.unique(my_series, return_counts=True)
print(vals, counts)
[1 2 3] [1 2 3]

Luego puede combinarlos en un diccionario:

results = dict(zip(vals, counts))
print(results)
{1: 1, 2: 2, 3: 3}

Y luego en un pandas.Series

print(pd.Series(results))
1    1
2    2
3    3
dtype: int64

para la distribución de frecuencia de una variable con valores excesivos, puede colapsar los valores en clases,

Aquí tengo valores excesivos para employrate variable, y no tiene sentido su distribución de frecuencia con directo values_count(normalize=True)

                country  employrate alcconsumption
0           Afghanistan   55.700001            .03
1               Albania   11.000000           7.29
2               Algeria   11.000000            .69
3               Andorra         nan          10.17
4                Angola   75.699997           5.57
..                  ...         ...            ...
208             Vietnam   71.000000           3.91
209  West Bank and Gaza   32.000000               
210         Yemen, Rep.   39.000000             .2
211              Zambia   61.000000           3.56
212            Zimbabwe   66.800003           4.96

[213 rows x 3 columns]

distribución de frecuencia con values_count(normalize=True) sin clasificación, la longitud del resultado aquí es 139 (parece sin sentido como una distribución de frecuencia):

print(gm["employrate"].value_counts(sort=False,normalize=True))

50.500000   0.005618
61.500000   0.016854
46.000000   0.011236
64.500000   0.005618
63.500000   0.005618

58.599998   0.005618
63.799999   0.011236
63.200001   0.005618
65.599998   0.005618
68.300003   0.005618
Name: employrate, Length: 139, dtype: float64

Poniendo clasificación ponemos todos los valores con un cierto rango es decir.

0-10 as 1,
11-20 as 2  
21-30 as 3, and so forth.

gm["employrate"]=gm["employrate"].str.strip().dropna()  
gm["employrate"]=pd.to_numeric(gm["employrate"])
gm['employrate'] = np.where(
   (gm['employrate'] <=10) & (gm['employrate'] > 0) , 1, gm['employrate']
   )
gm['employrate'] = np.where(
   (gm['employrate'] <=20) & (gm['employrate'] > 10) , 1, gm['employrate']
   )
gm['employrate'] = np.where(
   (gm['employrate'] <=30) & (gm['employrate'] > 20) , 2, gm['employrate']
   )
gm['employrate'] = np.where(
   (gm['employrate'] <=40) & (gm['employrate'] > 30) , 3, gm['employrate']
   )
gm['employrate'] = np.where(
   (gm['employrate'] <=50) & (gm['employrate'] > 40) , 4, gm['employrate']
   )
gm['employrate'] = np.where(
   (gm['employrate'] <=60) & (gm['employrate'] > 50) , 5, gm['employrate']
   )
gm['employrate'] = np.where(
   (gm['employrate'] <=70) & (gm['employrate'] > 60) , 6, gm['employrate']
   )
gm['employrate'] = np.where(
   (gm['employrate'] <=80) & (gm['employrate'] > 70) , 7, gm['employrate']
   )
gm['employrate'] = np.where(
   (gm['employrate'] <=90) & (gm['employrate'] > 80) , 8, gm['employrate']
   )
gm['employrate'] = np.where(
   (gm['employrate'] <=100) & (gm['employrate'] > 90) , 9, gm['employrate']
   )
print(gm["employrate"].value_counts(sort=False,normalize=True))

después de la clasificación tenemos una clara distribución de frecuencias. aquí podemos ver fácilmente, que 37.64% de los países tienen una tasa de empleo entre 51-60%
y 11.79% de los países tienen una tasa de empleo entre 71-80%

5.000000   0.376404
7.000000   0.117978
4.000000   0.179775
6.000000   0.264045
8.000000   0.033708
3.000000   0.028090
Name: employrate, dtype: float64