如何为Pandas DataFrame的每一列创建值频率列？

问题背景 #

原始DataFrame：

需要为每一列新增对应频率列，展示各值的出现频率，目标效果：

尝试以下代码后，df.info()显示animals_frequency列无有效数据：

frequency = list()
for column in df.columns:
     series = (df[column].value_counts(normalize=True, dropna=True)*100)
     overview.append(series)

#overview list
o_colors = overview[0] 
o_animals = overview[1]

df['animals_frequency'] = o_animals

正确实现方法 #

代码失效原因是直接赋值value_counts返回的Series时，索引不匹配导致无法映射到原DataFrame的行。可以通过map()方法完成值与频率的对应，再格式化输出，完整代码如下：

import pandas as pd

# 构造原始数据
data = {
    'colors': ['yellow', 'yellow', 'red', 'red', 'blue'],
    'animals': ['cat', 'cat', 'cat', 'cat', 'cat']
}
df = pd.DataFrame(data)

# 遍历每列生成频率列
for col in df.columns:
    # 计算各值的百分比频率
    freq_series = df[col].value_counts(normalize=True, dropna=True) * 100
    # 映射频率并格式化为百分比字符串
    df[f"{col}_frequency"] = df[col].map(freq_series).apply(lambda x: f"{x:.0f}%")

print(df)

核心逻辑说明 #

• value_counts(normalize=True)返回各值的占比（0-1区间），乘以100转为百分比数值
• map(freq_series)根据原列的值匹配对应的频率，确保每一行都能获取到对应值的频率
• apply(lambda x: f"{x:.0f}%")将数值格式化为整数百分比字符串，符合目标格式要求

内容的提问来源于stack exchange，提问作者Luciana Coelho