如何在Python中为DataFrame添加统计另一列值重复次数的新列

要把产品的重复次数匹配到DataFrame的每一行，有两种简单直接的方式：

方法1：利用map匹配计数 #

先通过value_counts()获取每个产品的总出现次数，再用map把这些值映射到原DataFrame的对应行：

import pandas as pd

# 示例DataFrame
df = pd.DataFrame({'Product': ['A', 'B', 'A', 'C', 'B', 'A']})

# 注意：你代码里的`Prodct`应该是拼写错误，正确列名是`Product`
counts = df['Product'].value_counts()
# 新增Count列
df['Count'] = df['Product'].map(counts)

运行后得到的结果：

方法2：用groupby + transform直接计算（更推荐） #

不用单独生成计数对象，直接通过分组后对每个组应用count，并将结果自动广播到原行：

df['Count'] = df.groupby('Product')['Product'].transform('count')

这个方法更简洁，无需手动处理映射逻辑，最终结果和方法1完全一致。

原理说明 #

• map：通过Product列的每个值，匹配counts这个Series的索引（即产品名），返回对应的计数值。
• transform：对每个产品分组计算出现次数后，会把该组的计数值填充到组内的每一行，自动完成行匹配。

内容的提问来源于stack exchange，提问作者msabater