统计和 Pandas：Pandas 中 value_counts() 中的标准化意味着什么

如何解决统计和 Pandas：Pandas 中 value_counts() 中的标准化意味着什么

问题不在于编码，而在于理解归一化在数据统计和相关性方面的含义这是我正在做的一个例子。没有标准化：

plt.subplot(111)
plt.plot(df['alcoholism'].value_counts(),marker='o')
plt.plot(df.query('no_show =="Yes"')['alcoholism'].value_counts(),color='black')
plt.show();

without normalization

使用标准化：

plt.subplot(111)
plt.plot(df['alcoholism'].value_counts(normalize=True),marker='o')
plt.plot(df.query('no_show =="Yes"')['alcoholism'].value_counts(normalize=True),color='black')
plt.show();

with normalization

哪一个更好地将值与标准化或不标准化相关？或者这是一个完全错误的想法？我是数据和熊猫的新手，所以请原谅我糟糕的代码，链接，评论，风格:)

解决方法

正如您在标准化（第二个图）时所看到的，对于绘制的每条线，两个点的总和等于 1。标准化是为您提供每个值的发生率，而不是出现次数。

the doc 说的是：

normalize : bool，默认为 False
返回比例而不是频率。

value_counts() 可能返回如下内容：
```
0    110000
1      1000
dtype: int64
```
和 value_counts(normalize=True) 可能返回如下内容：
```
0    0.990991
1    0.009009
dtype: float64
```

换句话说，归一化和非归一化之间的关系可以检查为：

>>> counts = df['alcoholism'].value_counts()
>>> rate = df['alcoholism'].value_counts(normalize=True)
>>> np.allclose(rate,counts / counts.sum())
True

其中 np.allclose 允许正确比较两个浮点数系列。