如何统计Pandas含列表值的列中各唯一值的出现次数？

这里提供两种简单直接的实现方式：

方法一：用Pandas的explode + value_counts #

这是最简洁的Pandas原生方法，适合快速统计：

import pandas as pd

# 构造示例DataFrame
df = pd.DataFrame({
    'items': [['apple', 'banana'], ['apple', 'orange'], ['banana', 'orange', 'apple']]
})

# 展开列表列的每个元素为单独行，再统计频次
element_counts = df['items'].explode().value_counts()

print(element_counts)

输出结果：

apple     3
banana    2
orange    2
Name: items, dtype: int64

explode()会把每个列表里的元素拆分成独立行，value_counts()自动统计每个唯一值的出现次数，结果是一个按频次降序排列的Series。

方法二：用itertools.chain + Counter #

如果需要更灵活的元素处理（比如过滤空值），可以用这种方式：

import pandas as pd
from collections import Counter
import itertools

df = pd.DataFrame({
    'items': [['apple', 'banana'], ['apple', 'orange'], ['banana', 'orange', 'apple']]
})

# 将所有列表元素拼接成一个一维列表
all_elements = list(itertools.chain.from_iterable(df['items']))
# 统计每个元素的出现次数
count_dict = Counter(all_elements)

# 可选：转成DataFrame并按频次排序
count_df = pd.DataFrame.from_dict(count_dict, orient='index', columns=['count']).sort_values('count', ascending=False)

print(count_df)

输出结果：

count
apple       3
banana      2
orange      2

注意事项 #

• 如果你的列表列中存在空列表或None值，建议先通过df = df[df['items'].notna()]过滤掉空行，避免统计异常。
• 如果列表内有重复元素（比如单个列表里出现多次同一元素），两种方法都会如实统计总次数。

内容的提问来源于stack exchange，提问作者Mehul Gupta