如何使用pandas统计数据列中各值的出现次数

核心方法 #

pandas针对单列值计数场景提供了开箱即用的value_counts()方法，效果等价于Excel中使用COUNTIF统计或数据透视表的计数功能。

基础操作步骤 #

• 首先导入pandas并读入你的数据，以读入Excel文件为例：

import pandas as pd
# 替换为你的本地文件路径
df = pd.read_excel('data.xlsx')

• 对目标列调用value_counts()即可得到计数结果，假设你要统计的列名为品类：

count_res = df['品类'].value_counts()

默认输出结果按出现次数降序排序，且自动忽略空值NaN。

常用参数调整 #

• 需统计空值的出现次数：添加dropna=False参数

df['品类'].value_counts(dropna=False)

• 需计算各值占总样本的比例（频率）：添加normalize=True参数，结果总和为1

df['品类'].value_counts(normalize=True)

• 需按值本身的顺序排序而非按计数排序：末尾追加sort_index()

df['品类'].value_counts().sort_index()

示例效果 #

你提供的示例数据对应操作逻辑如下：

如果表格第一列列名为水果，统计每个水果的出现次数后，输出结果为：

苹果    3
香蕉    2
橙子    1
Name: 水果, dtype: int64

结果导出 #

如果需要把计数结果保存为Excel文件，执行以下代码即可：

count_res.to_excel('计数结果.xlsx')

内容的提问来源于stack exchange，提问作者Caio Muniz