Python中统计DataFrame列内各贷款申请人类型的出现次数求助

直接用pandas的value_counts()方法就能解决你的问题，这是专门用来统计列内各唯一值出现频次的工具：

# 统计每种申请人类型的出现次数
type_counts = df['applicant_type'].value_counts()
print(type_counts)

运行后会输出类似这样的结果，清晰展示每种类型的数量：

individual    580
couple        210
business      125
Name: applicant_type, dtype: int64

如果需要把结果转换成普通字典格式（方便后续代码调用），可以追加to_dict()方法：

type_count_dict = df['applicant_type'].value_counts().to_dict()
print(type_count_dict)
# 输出示例: {'individual': 580, 'couple': 210, 'business': 125}

另外，如果你的数据里有缺失值（NaN），默认value_counts()会自动忽略它们。要是想把缺失值也纳入统计，加上dropna=False参数即可：

type_counts_with_na = df['applicant_type'].value_counts(dropna=False)

顺便说下你之前尝试的方法为什么没效果：

• count()：只统计列里非缺失值的总数量，不会拆分各类型
• head()：仅显示列的前5行数据，和统计次数无关
• info()：输出列的元数据（比如数据类型、非缺失值总数），不是频次统计
• dict()：把Series转换成键值对，但只是按原索引映射值，不会做频次统计

内容的提问来源于stack exchange，提问作者Dench