如何基于指定列计数筛选Pandas DataFrame行并合并小类别

我有一个包含分类数据的Pandas DataFrame，对其中某列执行value_counts()后得到如下结果：

HR                          176
Coding                       81
Reject                       74
Database Administration      21
Finance                      17
Project Management           16
Sales                        15
DevOps                       13
Core Electronics             10
Networking                   10
Medical Science               9
Core Mechanical               8
Web Development               4
Puzzles                       3
behavioural                   3
not a question                2
civil engineering             1
Mathematics                   1
Finance, Medical Science      1
Sales, HR                     1

希望保留计数≥阈值（如10）的类别，其余小类别合并为*Other*，预期结果如下：

HR                          176
Coding                       81
Reject                       74
*Other*                      33
Database Administration      21
Finance                      17
Project Management           16
Sales                        15
DevOps                       13
Core Electronics             10
Networking                   10

此前我通过defaultdict(int)实现了该功能，想了解是否有Pandas的标准实现方式。

有几种简洁的Pandas原生方法可以实现这个需求，以下是常用方案：

方案1：where+groupby组合 #

先获取value_counts的结果（假设命名为counts），用where保留符合阈值的类别，其余替换为*Other*后重新聚合：

import pandas as pd

# 假设原始value_counts结果为counts
counts = df['目标列名'].value_counts()
threshold = 10

# 核心处理逻辑
result = counts.where(counts >= threshold, '*Other*') \
               .groupby(level=0).sum()

# 若要保持原类别排序（仅将*Other*追加到末尾），可调整为：
mask = counts >= threshold
other_total = counts[~mask].sum()
result = pd.concat([counts[mask], pd.Series([other_total], index=['*Other*'])])

方案2：replace+groupby组合 #

先构建类别映射字典，将小于阈值的类别统一映射为*Other*，再聚合统计：

threshold = 10
# 生成映射规则：达标类别保留原名，否则映射为*Other*
category_map = {cat: cat if counts[cat] >= threshold else '*Other*' for cat in counts.index}
result = counts.rename(category_map).groupby(level=0).sum()

方案3：直接从原始DataFrame处理 #

如果不想先单独计算value_counts，可以直接对原始DataFrame操作：

threshold = 10
# 先筛选出需要保留的类别
keep_categories = df['目标列名'].value_counts()[lambda x: x >= threshold].index
# 替换小类别为*Other*后统计
result = df['目标列名'].where(df['目标列名'].isin(keep_categories), '*Other*').value_counts()

这些方法都是Pandas原生实现，无需依赖defaultdict，代码更简洁且符合Pandas的惯用风格。

内容的提问来源于stack exchange，提问作者Abirbhav G.