Python Pandas：统一DataFrame列选项排序并补全缺失选项求助

原代码的问题在于value_counts()默认只返回当前列中实际出现的选项，且按计数降序排列，所以会出现排序混乱、缺失指定选项的情况。要实现统一排序并补全缺失项，你可以通过预定义目标选项顺序+索引对齐的方式解决：

修改后的代码 #

import pandas as pd

# 定义统一的选项顺序，按你需要的yes、no、Don't know排列
desired_order = ['yes', 'no', "Don't know"]
li = []

# 直接遍历列名，比用range更直观
for col in df.columns:
    # 获取列的统计结果，用reindex对齐到目标顺序，缺失项填充0
    vc = df[col].value_counts(dropna=False).reindex(desired_order, fill_value=0)
    # 转换为DataFrame并重置索引，重命名列名让结果更清晰
    vc_df = vc.to_frame().reset_index()
    vc_df.columns = ['选项', col]  # 列名可根据需求修改
    li.append(vc_df)

关键步骤说明 #

• desired_order：固定所有列的输出顺序，确保每列严格按照yes→no→Don't know排列
• reindex(desired_order, fill_value=0)：核心操作，将统计结果的索引强制对齐到目标顺序，原列中不存在的选项会自动添加，计数填充为0
• dropna=False：如果数据里有NaN值，这个参数会把NaN也统计进去；不需要统计NaN的话可以去掉该参数

可选：合并所有统计结果为一个DataFrame #

如果想把列表里的多个小DataFrame合并成统一的统计表格，可使用pd.concat：

final_stats = pd.concat([df.set_index('选项') for df in li], axis=1).reset_index()

内容的提问来源于stack exchange，提问作者user16239103