基于DataFrame相同单词分组：实现求和与频次统计的方法

你遇到的问题是因为groupby（注意你拼写错成了grouby）返回的是分组容器对象，不是最终的聚合结果，需要配合聚合函数才能得到目标DataFrame，另外你的分组列名也写错了（原DataFrame列是words不是word）。

直接用以下代码就能实现需求：

# 按words分组，同时完成求和与频次统计
df2 = df.groupby('words').agg(
    likes=('likes', 'sum'),          # 对likes列求和
    num_comments=('num_comments', 'sum'),  # 对num_comments列求和
    frequency=('words', 'size')      # 统计每组行数（即单词出现频次）
).reset_index()

代码说明： #

• groupby('words')：按words列的不同值分组
• agg()：批量指定各列的聚合规则，这里分别对数值列求和，对分组列用size()统计出现次数
• reset_index()：将作为索引的words列还原为普通列，结构和你给出的目标df2完全一致

如果分步实现也可以：

# 第一步：分组求和
sum_result = df.groupby('words')[['likes', 'num_comments']].sum()
# 第二步：统计每个单词的出现频次
freq_result = df['words'].value_counts().rename('frequency')
# 第三步：合并结果并重置索引
df2 = sum_result.join(freq_result).reset_index()

两种方法都会得到你需要的结果：

words  likes  num_comments  frequency
0    bird    939          7303          4
1   lucky    628          6155          2
2     pie    961         11115          2
3    song    419          2035          2

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