针对你的需求，我整理了两种简洁且高效的实现方式，都能准确得到你想要的结果列表：

方法1：使用apply逐列处理（直观易懂） #

这种方法通过apply遍历每一列，对每一列单独统计最后一行值的出现次数，代码可读性很强：

import pandas as pd

# 初始化你的DataFrame
df = [[1, 2, 3, 4], [1, 3, 4, 2], [2, 2, 4, 1], [1, 2, 3, 4], [3, 4, 4, 2], [1, 3, 4, 1]]
df = pd.DataFrame(df)

# 生成结果列表
result = df.apply(lambda col: col.value_counts()[col.iloc[-1]]).tolist()
print(result)  # 输出：[4, 2, 4, 2]

代码解释： #

• df.apply(lambda col: ...)：对DataFrame的每一列执行lambda函数
• col.value_counts()：统计当前列中每个值的出现次数，返回一个Series
• col.iloc[-1]：获取当前列最后一行的值，用它作为key从value_counts的结果中取出对应计数
• .tolist()：把最终的Series结果转换成列表格式

方法2：向量化运算（性能更优） #

如果你的DataFrame数据量较大，推荐使用这种向量化方法，它避免了逐列循环，利用pandas的广播机制大幅提升效率：

import pandas as pd

df = [[1, 2, 3, 4], [1, 3, 4, 2], [2, 2, 4, 1], [1, 2, 3, 4], [3, 4, 4, 2], [1, 3, 4, 1]]
df = pd.DataFrame(df)

# 获取最后一行的所有值
last_values = df.iloc[-1].values
# 逐列统计等于对应最后一行值的元素数量
counts = (df == last_values).sum().tolist()
print(counts)  # 输出：[4, 2, 4, 2]

代码解释： #

• df.iloc[-1].values：提取DataFrame最后一行的数值，得到一个numpy数组
• df == last_values：利用广播特性，将每一列的所有元素和该列最后一行的值比较，生成一个布尔值的DataFrame（True表示元素等于最后一行值）
• .sum()：对每一列的布尔值求和（True等价于1，False等价于0），得到每列目标值的出现次数
• .tolist()：将结果转换为列表格式

两种方法都能得到你期望的[4, 2, 4, 2]，根据你的数据规模选择合适的方式即可~

内容的提问来源于stack exchange，提问作者Scott Woodhall