如何对Dataframe数组列中的单个值按Group分组统计频次？

完全可以通过扁平化数组且不破坏分组逻辑来实现需求，核心是把数组拆成单个元素并保留对应的Group归属，再做分组统计。具体步骤如下：

1. 扁平化数组列：用pandas的explode()方法将Value列的每个数组元素拆成独立行，原Group列的值会自动对应到每一行元素上。
2. 分组统计频次：基于扁平化后的DataFrame，按Group分组后对Value列做频次统计。

示例代码 #

import pandas as pd

# 构造示例数据
df = pd.DataFrame({
    'Group': ['A', 'A', 'B', 'B'],
    'Value': [[1, 2, 3], [2, 3], [4, 5], [5, 5, 6]]
})

# 链式调用实现：扁平化+分组统计
result = df.explode('Value')\
           .groupby('Group')['Value']\
           .value_counts()\
           .reset_index(name='Count')

print(result)

输出结果 #

Group Value  Count
0     A     2      2
1     A     3      2
2     A     1      1
3     B     5      3
4     B     4      1
5     B     6      1

如果你的Value列存在空数组或None值，可以通过dropna()过滤掉无效行：

result = df.explode('Value')\
           .dropna(subset=['Value'])\
           .groupby('Group')['Value']\
           .value_counts()\
           .reset_index(name='Count')

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