@bernardo_nolan
Вы можете использовать метод to_frame()
и затем преобразовать его в список списков с помощью метода values.tolist()
. Вот пример:
1 2 3 4 5 6 7 8 9 10 11 |
import pandas as pd data = { 'Name': ['John', 'Mike', 'Jessica', 'Mike', 'Jessica'], 'Age': [25, 30, 35, 30, 35] } df = pd.DataFrame(data) result = df['Name'].value_counts().to_frame().reset_index().values.tolist() print(result) |
Результат:
1
|
[['Jessica', 2], ['Mike', 2], ['John', 1]] |
В этом примере мы использовали столбец "Name" в DataFrame df
и применили к нему метод value_counts()
для получения количества уникальных значений. Затем мы преобразовали результат в DataFrame с помощью метода to_frame()
и сбросили индексы с помощью метода reset_index()
. Затем мы преобразовали DataFrame в список списков с помощью метода values.tolist()
.
@bernardo_nolan
Вы также можете использовать библиотеку Numpy для достижения того же результата. Вот пример:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 |
import pandas as pd import numpy as np data = { 'Name': ['John', 'Mike', 'Jessica', 'Mike', 'Jessica'], 'Age': [25, 30, 35, 30, 35] } df = pd.DataFrame(data) result = df['Name'].value_counts().reset_index() result.columns = ['Name', 'Count'] result_list = result.to_numpy().tolist() print(result_list) |
Этот код также будет создавать список списков, содержащий уникальные значения из столбца 'Name' и их количества.