Частотные таблицы и категории
Зачем это нужно
Не всё в данных — числа. Тарифы, города, статусы заказов, платформы — это категории, и для них главный вопрос не «среднее», а «чего сколько». На него отвечает частотная таблица.
Как это работает
Частотная таблица — сколько раз встречается каждая категория. В долях (normalize=True) она показывает структуру: «60% заказов — Токио, 25% — Берлин…». С неё начинается анализ любого категориального признака: сразу видно перекосы, редкие категории и опечатки в данных («Токио» и «токио» — две разные строки!).
Пример
value_counts по тарифам подписки: Лайт — 5200, Про — 2100, Макс — 90. Сразу два вывода: продукт живёт на Лайте, а Макс почти не покупают — либо он не нужен, либо о нём не знают.
🧠 Как думает аналитик
Первый взгляд на категориальный столбец — всегда value_counts: что здесь вообще есть, чего сколько, нет ли мусорных категорий.
🎯 Быстрый вопрос
Что показывает value_counts(normalize=True)?