Series.groupby与DataFrame.groupby的等效语法及Series按值分组统计的实现方法

当然可以直接用Series.groupby()实现你要的统计！而且方法比你尝试的两种方式更直接，下面一步步给你拆解：

一、直接用Series.groupby实现按值计数 #

你要的Series.groupby(?????).count()的正确语法是：

ser.groupby(ser).count()

执行后会输出和你方式二结构一致的结果：

foo
aa    1
bb    1
ff    2
Name: foo, dtype: int64

二、DataFrame.groupby(column)与Series.groupby的等效关系 #

对于DataFrame，df.groupby('col')是按指定列的取值分组；对应到Series上，按自身值分组的等效写法就是ser.groupby(ser)——把Series本身作为groupby的参数，就相当于告诉pandas：按这个Series的取值来划分分组。

如果你的Series没有设置名称，也可以用ser.groupby(ser.values)，效果完全一致，但ser.groupby(ser)能保留原Series的名称作为分组索引的名称，可读性更强。

三、实现复杂需求：获取每个分组的索引集合 #

你已经写出的ser.groupby(ser).apply(lambda df: set(df.index))是完全可行的，这里再给你一个更简洁的等效写法（用agg替代apply，逻辑更清晰）：

ser.groupby(ser).agg(lambda x: set(x.index))

执行后同样会得到你想要的结果：

foo
aa    {a}
bb    {b}
ff    {c, d}
Name: foo, dtype: object

如果需要列表格式而非集合，只需要把set()换成list()即可，非常灵活。

额外小技巧：更快捷的按值计数方法 #

其实pandas还提供了专门的value_counts()方法，一行就能实现按值计数：

ser.value_counts()

输出结果为：

ff    2
aa    1
bb    1
Name: foo, dtype: int64

如果需要和groupby结果一致的排序顺序，加上sort=False参数即可：

ser.value_counts(sort=False)

内容的提问来源于stack exchange，提问作者ntg