如何在pandas中统计DataFrame指定列各值的出现频次

你可以通过pandas内置的统计方法快速实现需求，假设你的原DataFrame命名为df，以下是两种常用实现方案：

方案1：使用value_counts()方法（推荐） #

value_counts()是Series类内置的频次统计方法，统计完成后调整格式即可：

import pandas as pd

# 统计频次并重命名列
result = df["ID_numbers"].value_counts().reset_index()
result.columns = ["ID_numbers", "count"]
# 按ID_numbers降序排列，和你给出的预期输出顺序一致
result = result.sort_values(by="ID_numbers", ascending=False, ignore_index=True)

如果不需要按ID数值降序，只需要按计数高低排序，可以去掉最后一行的排序语句。

方案2：使用groupby分组统计 #

也可以通过分组聚合的方式实现同样效果：

result = df.groupby("ID_numbers", as_index=False).size()
result = result.rename(columns={"size": "count"}).sort_values(by="ID_numbers", ascending=False, ignore_index=True)

两种方法输出的结果完全一致，都能得到你需要的统计DataFrame。

内容的提问来源于stack exchange，提问作者Iacopo Passeri