什么时候适合使用 df.value_counts() vs df.groupby('...').count()？

我听说 Pandas 通常有多种方法可以做同样的事情，但我想知道 -

如果我尝试按特定列中的值对数据进行分组并计算具有该值的项目数，那么什么时候使用才有意义df.groupby('colA').count()什么时候使用才有意义df['colA'].value_counts() ?

有区别value_counts http://pandas.pydata.org/pandas-docs/stable/generated/pandas.Series.value_counts.html return:

生成的对象将按降序排列，以便第一个元素是最常出现的元素。

but count http://pandas.pydata.org/pandas-docs/stable/generated/pandas.core.groupby.DataFrameGroupBy.count.html不，它对输出进行排序index（由列创建groupby('col')).

df.groupby('colA').count() 

用于聚合所有列df按功能count.所以它计算排除的值NaNs.

所以如果需要的话count仅一列需要：

df.groupby('colA')['colA'].count() 

Sample:

df = pd.DataFrame({'colB':list('abcdefg'),
                   'colC':[1,3,5,7,np.nan,np.nan,4],
                   'colD':[np.nan,3,6,9,2,4,np.nan],
                   'colA':['c','c','b','a',np.nan,'b','b']})

print (df)
  colA colB  colC  colD
0    c    a   1.0   NaN
1    c    b   3.0   3.0
2    b    c   5.0   6.0
3    a    d   7.0   9.0
4  NaN    e   NaN   2.0
5    b    f   NaN   4.0
6    b    g   4.0   NaN

print (df['colA'].value_counts())
b    3
c    2
a    1
Name: colA, dtype: int64

print (df.groupby('colA').count())
      colB  colC  colD
colA                  
a        1     1     1
b        3     2     2
c        2     2     1

print (df.groupby('colA')['colA'].count())
colA
a    1
b    3
c    2
Name: colA, dtype: int64