执行df['A'].value_counts()后如何将计数<2的项替换为Others

你可以选择两种常用路径实现需求，按需选择即可： #

方法1：直接处理value_counts()的统计结果，不修改原数据 #

import pandas as pd

# 第一步：先拿到原始频次统计结果
counts = df['A'].value_counts()

# 第二步：筛选出频次≥2的条目保留，剩余低频值求和作为Others
keep_counts = counts[counts >= 2]
others_total = counts[counts < 2].sum()

# 第三步：把Others条目添加到最终结果中
keep_counts['Others'] = others_total

# 如果需要直接输出类似"Others = 8"的格式，加一行即可
print(f"Others = {keep_counts['Others']}")

方法2：先替换原列的低频值，再重新统计频次 #

如果后续还要用到替换后的列数据，可以选这个方法：

counts = df['A'].value_counts()
# 拿到所有频次<2的取值列表
low_freq_values = counts[counts < 2].index

# 把原A列中所有低频取值统一替换为Others
df['A'] = df['A'].replace(low_freq_values, 'Others')

# 重新统计就能直接得到带Others的频次结果
final_counts = df['A'].value_counts()

示例效果：假设原A列取值为['x','x','y','z','m','n']，原统计结果为x出现2次、y/z/m/n各出现1次，处理后最终结果为：
x 2
Others 4

内容的提问来源于stack exchange，提问作者Bruno93600