如何从CSV文件分别统计指定多列的频次并按降序输出

要实现对「Source」「Destination」「Protocol」三列单独统计每个值的出现次数并降序排列，你需要对每一列分别调用value_counts()方法，而非直接在多列组合上调用。以下是几种可行的实现方式：

方法一：循环遍历目标列 #

import pandas as pd

# 读取数据集
df = pd.read_csv('IN300_Unit9.csv', sep=',', decimal='.', header='infer')

# 定义需要统计的列名
target_cols = ['Source', 'Destination', 'Protocol']

# 遍历每一列，输出统计结果
for col in target_cols:
    print(f"=== {col} 列值统计 ===")
    # value_counts默认按降序排列，ascending=False可省略
    count = df[col].value_counts(ascending=False)
    print(count)
    print("\n")

方法二：使用apply批量处理 #

如果想一次性获取所有列的统计结果并存储，可以用apply方法批量处理：

import pandas as pd

df = pd.read_csv('IN300_Unit9.csv', sep=',', decimal='.', header='infer')
target_cols = ['Source', 'Destination', 'Protocol']

# 对目标列批量应用value_counts，得到包含各列统计结果的字典
count_results = df[target_cols].apply(pd.Series.value_counts, ascending=False)

# 遍历输出每个列的结果，去掉NaN值（对应其他列无匹配的值）
for col in target_cols:
    print(f"=== {col} 列值统计 ===")
    print(count_results[col].dropna())
    print("\n")

关键说明 #

• 原代码中df[['Source', 'Destination', 'Protocol']].value_counts()会统计三列值的组合出现次数，这是你之前得到组合统计结果的原因。
• df[col].value_counts()默认按出现次数降序排列，因此ascending=False参数可省略，若需要明确指定也可以保留。

内容的提问来源于stack exchange，提问作者Avetra