如何创建嵌套字典匹配DataFrame列类别与对应出现频率？

解决方案（基于Pandas） #

假设你已经通过Pandas将数据集加载为DataFrame df，可以用字典推导式直接生成目标嵌套字典：

import pandas as pd

# 加载数据集（示例：从CSV读取，可根据实际数据源调整）
# df = pd.read_csv("your_dataset.csv")

# 生成嵌套字典：外层键为列名，内层为「类别:出现次数」的键值对
category_freq_dict = {column: df[column].value_counts().to_dict() for column in df.columns}

关键说明 #

• df[column].value_counts()：自动统计该列每个分类的出现次数，默认忽略缺失值；若需要统计缺失值，可添加参数dropna=False
• .to_dict()：将统计结果转换为「类别:次数」的键值对字典
• 字典推导式遍历DataFrame所有列，最终组合成外层键为列名的嵌套结构

示例输出 #

假设你的数据集包含Gender、Smoker、Region三列，输出结果会类似：

{
    'Gender': {'Male': 150, 'Female': 120},
    'Smoker': {'No': 200, 'Yes': 70},
    'Region': {'North': 80, 'South': 75, 'East': 60, 'West': 55}
}

内容的提问来源于stack exchange，提问作者excpro