如何在Pandas中高效获取特定数据类型的value_counts？

你遇到的KeyError是因为df.dtypes.value_counts()返回的Series索引是numpy dtype对象，不是字符串，直接用字符串索引自然会报错。完全不需要创建新DataFrame，下面两种方法更高效：

方法一：直接用对应的数据类型对象索引 #

直接通过numpy的dtype对象来索引结果Series，一步到位：

import pandas as pd
import numpy as np

df = pd.DataFrame(
    [['Bob', 20, 2],['Alice', 19, 3],['Joshua', 22, 1]],
    columns = ['Name', 'Age', 'Marks']
)

dtype_counts = df.dtypes.value_counts()
# 用numpy的int64类型对象索引
int64_count = dtype_counts[np.int64]
print("count int64: ", int64_count)

方法二：转换索引为字符串后用字符串索引 #

如果更习惯用字符串查询，先把Series的索引转为字符串类型，之后就能直接用字符串索引：

import pandas as pd

df = pd.DataFrame(
    [['Bob', 20, 2],['Alice', 19, 3],['Joshua', 22, 1]],
    columns = ['Name', 'Age', 'Marks']
)

dtype_counts = df.dtypes.value_counts()
# 将索引转换为字符串格式
dtype_counts.index = dtype_counts.index.astype(str)
# 直接用字符串索引
int64_count = dtype_counts['int64']
print("count int64: ", int64_count)

你之前创建新DataFrame的方法属于绕路操作，会额外增加内存开销和计算步骤，上面两种直接操作原Series的方法效率高得多。

内容的提问来源于stack exchange，提问作者Ramanathan Alamelu