如何对DataFrame某列的每个唯一值自动执行另一列的value_counts()？

你可以通过以下几种高效方式批量实现需求，无需逐个筛选唯一值：

方法1：groupby 结合 value_counts #

直接按目标列分组后，对target列应用统计方法，支持频数或百分比统计：

import pandas as pd

# 统计每个sepal length对应的target频数
result_counts = data.groupby('sepal length (cm)')['target'].agg(pd.Series.value_counts)

# 统计百分比（归一化后转成百分比格式）
result_percent = data.groupby('sepal length (cm)')['target'].agg(lambda x: x.value_counts(normalize=True)*100)

display(result_percent)

方法2：透视表（pivot_table） #

如果需要规整的表格形式，把target的不同取值作为列展示：

# 生成频数透视表
pivot_counts = pd.pivot_table(data, 
                              index='sepal length (cm)', 
                              columns='target', 
                              aggfunc='size', 
                              fill_value=0)

# 生成百分比透视表（按行归一化）
pivot_percent = pivot_counts.apply(lambda x: x/x.sum()*100, axis=1)

display(pivot_percent)

方法3：交叉表（crosstab） #

用pd.crosstab直接生成列联表，适合快速查看分布：

# 生成频数交叉表
cross_counts = pd.crosstab(data['sepal length (cm)'], data['target'])

# 生成百分比交叉表（按行归一化）
cross_percent = pd.crosstab(data['sepal length (cm)'], data['target'], normalize='index')*100

display(cross_percent)

以上三种方法都会自动遍历sepal length (cm)的所有唯一值，一次性输出所有对应的target分布结果，比逐个筛选的方式高效得多。

内容的提问来源于stack exchange，提问作者Rod3291