我来帮你搞定这个需求！你的思路其实没问题，但最后调用代码的地方有点小疏漏，我给你修正并优化了代码，同时把每个步骤讲清楚，保证你能直接用~

基础版（单列为输入） #

先给你一个最贴合你需求的版本，支持用户输入单个列名，自动检查列是否存在并打印计数：

import pandas as pd

# 先创建示例DataFrame，实际使用时替换成你的数据源（比如pd.read_csv读取文件）
df = pd.DataFrame({
    '水果': ['苹果', '香蕉', '苹果', '橙子', '香蕉', '苹果'],
    '颜色': ['红', '黄', '红', '橙', '黄', '绿'],
    '数量': [2, 3, 1, 4, 2, 3]
})

def count_col_values(df, column_name):
    # 先检查输入的列名是否存在
    if column_name not in df.columns:
        print(f"哎呀，列 '{column_name}' 不在这个DataFrame里哦！\n")
        return
    
    # 计算并友好展示数值计数
    print(f"\n=== 列: {column_name} 的数值统计 ===")
    value_counts = df[column_name].value_counts()
    # 用to_string()确保输出格式完整，不会出现省略号
    print(value_counts.to_string(), "\n")

# 获取用户输入
target_col = input("请输入你要查看的列名：")
# 调用函数处理
count_col_values(df, target_col)

代码说明 #

• 开头的示例DataFrame是为了方便你测试，实际用的时候直接换成自己的数据源就行，比如df = pd.read_csv("你的数据文件.csv")读取本地CSV，或者其他方式加载的DataFrame。
• 函数count_col_values做了简化：因为你当前是单个列的需求，所以直接接收单个列名参数，比原来的列表参数更直接。
• 错误提示改成了更口语化的表述，用户体验更好；如果列名不存在，直接返回不执行后续逻辑。
• 输出加了分隔线，让结果看起来更清晰，to_string()可以避免大数据集下value_counts()输出被自动省略的问题。

进阶版（支持多列输入） #

如果之后你想一次查看多个列的计数，也可以扩展成支持逗号分隔的多列输入，代码如下：

import pandas as pd

df = pd.DataFrame({
    '水果': ['苹果', '香蕉', '苹果', '橙子', '香蕉', '苹果'],
    '颜色': ['红', '黄', '红', '橙', '黄', '绿'],
    '数量': [2, 3, 1, 4, 2, 3]
})

def count_col_values(df, column_list):
    for col in column_list:
        if col not in df.columns:
            print(f"抱歉，列 '{col}' 不在DataFrame里哦！\n")
            continue
        
        print(f"\n=== 列: {col} 的数值统计 ===")
        value_counts = df[col].value_counts()
        print(value_counts.to_string(), "\n")

# 支持用户输入多个列名，用逗号分隔（比如输入“水果,颜色”）
user_input = input("请输入你要查看的列名（多个列用逗号分隔）：")
# 拆分输入并去掉每个列名前后的空格
column_list = [col.strip() for col in user_input.split(",")]
# 调用函数
count_col_values(df, column_list)

小技巧补充 #

• 如果想让计数按列的原始值排序（而不是默认的计数从高到低），可以给value_counts()加sort=False参数：df[col].value_counts(sort=False)。
• 如果要统计包含空值（NaN）的数量，加上dropna=False参数：df[col].value_counts(dropna=False)，这样空值的数量也会被统计进去。

这样应该就完全满足你的需求啦，有问题随时问~