如何高效对单列Pandas DataFrame进行分组并创建计数列？

当然有更高效简洁的方法，完全不需要在原DataFrame里新增列，给你两种常用方案：

方法1：直接使用value_counts() #

这是最简洁的方式，Pandas的value_counts()方法会直接统计单列中每个值的出现次数，返回结果可以直接转为DataFrame并重命名列：

import pandas as pd

item={'colx':['a','b','a','c']}
df=pd.DataFrame(item)

# 统计计数并转为DataFrame
count_df = df['colx'].value_counts().reset_index()
# 重命名列名
count_df.columns = ['colx', 'row_count']
print(count_df)

如果想要保持原DataFrame中值的出现顺序，只需给value_counts()加上sort=False参数即可。

方法2：使用groupby() + size() #

这种方式更贴合分组统计的逻辑，通过groupby()按目标列分组后，用size()直接获取每组的行数，无需额外创建计数列：

import pandas as pd

item={'colx':['a','b','a','c']}
df=pd.DataFrame(item)

# 分组后统计行数，直接指定结果列名
count_df = df.groupby('colx').size().reset_index(name='row_count')
print(count_df)

这两种方法都不需要修改原DataFrame，避免了额外的内存开销，在数据量较大时效率会明显优于你之前的方法。

内容的提问来源于stack exchange，提问作者itthrill