pandas使用value_counts()仅返回单列，如何得到双列数据集用于matplotlib绘图

pandas.Series.value_counts()默认返回的是索引为唯一值、值为对应频次的Series对象，要转成两列结构化数据集可以直接用以下两种常用方案：

方案1：reset_index 快速转换 #

这是最简洁的写法，直接调用reset_index将索引转为常规列，再重命名列名即可：

# 生成两列DataFrame
count_df = file['Column_1'].value_counts().reset_index()
# 自定义列名，可根据需求修改
count_df.columns = ['分类值', '出现频次']

转换后输出结构示例：

方案2：链式写法转换 #

适合需要在统计同时做排序、过滤等后续操作的场景：

count_df = (
    file['Column_1']
    .value_counts()
    .to_frame('出现频次')  # 直接指定频次列的列名
    .rename_axis('分类值') # 指定分类列的列名
    .reset_index()
    # 可追加额外操作，比如按分类值排序：.sort_values('分类值')
)

转换完成后可直接对接matplotlib绘图，示例：

import matplotlib.pyplot as plt

plt.bar(count_df['分类值'], count_df['出现频次'])
plt.xlabel('分类')
plt.ylabel('出现次数')
plt.show()

内容的提问来源于stack exchange，提问作者mondainai_777