满足DataFrame列条件时使用.value_counts()报错，求排查解决

数据集定义 #

import pandas as pd
import numpy as np

df=pd.DataFrame(
    {
        'Color': ['red','blue','red','red','green','red','yellow'],
        'Type': ['Oil', 'Aluminium', 'Oil', 'Oil', 'Cement Paint', 'Synthetic Rubber', 'Emulsion'],
        'Finish' : ['Satin', 'Matte', 'Matte', 'Satin', 'Semi-gloss', 'Satin', 'Satin'],
        'Use' : ['Interior', 'Exterior', 'Interior', 'Interior', 'Exterior', 'Exterior', 'Exterior'],
        'Price' : [55, 75, 60, 60, 55, 75, 50]
    }
)

尝试1：np.where参数缺失+逻辑错误 #

代码：

np.where(
    df['Price'] == 55,
    df['Color'].value_counts()
)

报错信息：KeyError: 'Price'
错误原因：

• np.where必须传入3个参数：条件表达式、满足条件时的取值、不满足条件时的取值，你只传了两个，参数缺失导致解析出错，并非真的不存在Price列。
• 退一步说，df['Color'].value_counts()返回的是统计颜色频次的Series，它的索引是颜色值，和原df的行索引完全不匹配，就算补全第三个参数，也无法和条件生成的布尔数组对应赋值，逻辑本身不成立。

尝试2：df.loc语法错误+列不存在 #

代码：

df.loc[(df['Price'] == 55), df['Category'].value_counts()]

报错信息：KeyError: 'Price'
错误原因：

• 根源是数据集里根本没有Category列，df['Category']直接触发KeyError，报错信息里的Price是误导——其实df['Price']本身没问题，但因为前面的df['Category']先报错，导致整个语句执行失败。
• 其次，df.loc的第二个参数是列选择器，只能是列名列表、布尔数组或者切片，你传的value_counts()返回的Series完全不符合语法要求。

尝试3：访问不存在的列 #

代码：

df['Category'].value_counts()[df['Price'] == 55]

报错信息：KeyError: 'Category'
错误原因：

• 数据集里没有定义Category列，直接访问df['Category']必然触发KeyError，这是最直接的问题。
• 就算存在Category列，value_counts()返回的统计结果，用df['Price'] == 55这个布尔数组去索引也不匹配——因为value_counts()的索引是Category的取值，不是原df的行索引，逻辑完全不通。

正确写法 #

如果需求是统计Price等于55的行中，各Color的出现次数，正确代码如下：

df[df['Price'] == 55]['Color'].value_counts()

执行结果：

red      1
green    1
Name: Color, dtype: int64

内容的提问来源于stack exchange，提问作者Jose Daniel Rojas