如何统计DataFrame中B列各数值出现次数并生成对应列表？

示例DataFrame #

假设我们有如下Pandas DataFrame：

import pandas as pd

df = pd.DataFrame({
    'A': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10],
    'B': [1401, 1401, 1401, 1601, 2201, 2201, 6401, 6401, 6401, 6401]
})

需求 #

需要生成两个列表：

• L1：B列的所有唯一值，保持其在原DataFrame中首次出现的顺序
• L2：对应L1中每个值在B列的出现次数

期望输出：

L1 = [1401, 1601, 2201, 6401]
L2 = [3, 1, 2, 4]

实现方法 #

方法1：使用value_counts()（推荐）

利用Pandas的value_counts()方法统计次数，通过sort=False参数保留原顺序：

# 统计B列值的出现次数，保留原顺序
count_series = df['B'].value_counts(sort=False)

# 转换为目标列表
L1 = count_series.index.tolist()
L2 = count_series.values.tolist()

# 输出结果
print(f"L1 = {L1}")
print(f"L2 = {L2}")

方法2：使用groupby()

通过分组统计的方式实现：

# 按B列分组并统计每组大小，保留原顺序
grouped_series = df.groupby('B', sort=False).size()

# 转换为目标列表
L1 = grouped_series.index.tolist()
L2 = grouped_series.values.tolist()

两种方法都能得到符合需求的结果，value_counts()更简洁直接，适合这类场景。

内容的提问来源于stack exchange，提问作者AdrixnIPP