如何将value_counts()的结果追加至原始DataFrame？

我手头有这样一个DataFrame：

当我运行df["Open"].value_counts()时，得到各Open值的出现次数：

0.001253    2
0.001268    2
0.001265    1
0.001257    1
Name: Open, dtype: int64

我希望把这些计数结果作为新列Open_count追加到原始DataFrame中，最终得到如下格式的结果：

最简单的解决方法 #

你可以直接用Pandas的map()方法来实现这个需求，一行代码就能搞定：

df["Open_count"] = df["Open"].map(df["Open"].value_counts())

原理说明

df["Open"].value_counts()会返回一个Series，其中索引是Open列的唯一值，值是对应的出现次数。map()方法会遍历原始DataFrame的每一行Open值，去匹配这个Series的索引，然后把对应的次数赋值给新列的该行。这样就完美实现了每个Open值和它的出现次数一一对应。

处理浮点数精度问题（可选）

如果你的数据存在浮点数精度导致的匹配问题（比如看起来相同的数值因为小数位数存储差异被当成不同值），可以先对Open列做精度统一处理，再进行映射：

# 统一保留6位小数，根据你的数据调整位数
df["Open_count"] = df["Open"].round(6).map(df["Open"].round(6).value_counts())

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