@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.