Pandas如何基于指定列筛选条件统计另一列的取值出现频次

实现代码 #

import pandas as pd

# 读取本地CSV文件
df = pd.read_csv("替换为你的CSV文件实际路径.csv")

# 方式1：先统一重命名列（推荐，避免原表头空格导致的调用错误）
df.columns = ["car_id", "manufacturer", "car_year", "car_model"]
# 筛选Ford品牌条目，统计车型出现次数
result = df[df["manufacturer"] == "Ford"]["car_model"].value_counts().reset_index()
# 重命名列符合预期输出格式
result.columns = ["model", "counts"]

# 方式2：不修改原列名直接操作（需确保列名和CSV表头完全一致）
# result = df[df["column2"] == "Ford"]["column4"].value_counts().reset_index()
# result.columns = ["model", "counts"]

# 打印输出结果
print(result)

逻辑说明 #

• value_counts()是pandas内置的频次统计方法，会直接计算目标列各取值的出现次数，搭配reset_index()可以把统计结果从Series格式转为DataFrame格式
• 最终输出的result和你预期的统计结果完全一致

内容的提问来源于stack exchange，提问作者Mumdooh