使用 value_counts 具有 normalize=True :

df['gender'].value_counts(normalize=True) * 100

如果你不需要看 M 和 F 其他值 gender 那么,您可以尝试使用 value_counts() 和 count() 如下:

df = pd.DataFrame({'gender':['M','M','F', 'F', 'F']})
# Percentage calculation
(df['gender'].value_counts()/df['gender'].count())*100

结果:

F    60.0
M    40.0
Name: gender, dtype: float64

或者,使用 groupby :

(df.groupby('gender').size()/df['gender'].count())*100

找出目标变异与切克不平衡的百分比。

g = data[Target_col_Y]
df = pd.concat([g.value_counts(),              
g.value_counts(normalize=True).mul(100)],axis=1,keys=('counts','percentage'))

print (df)

计数百分比

0 36548 88.734583

14640 11.265417号

在这里查找列百分比的最大值,以检查其中的不平衡程度

df1=df.diff(periods=1,axis=0)
difvalue=df1[[list(df1.columns)[-1]]].max()