如何在DataFrame中统计各车型颜色总数并添加至对应行？

针对你的两个pandas数据处理问题，我来给出具体的实现方法：

问题1：统计DataFrame中某列唯一值的对应数量 #

如果想要统计某一列中每个唯一值出现的次数，有两种简单高效的方法：

• 方法1：直接使用value_counts()
  这个方法会直接返回一个Series，索引是列中的唯一值，值为对应出现的次数，非常适合快速统计：

  import pandas as pd
  
  # 假设你的DataFrame是df，目标列为"车型"
  unique_counts = df["车型"].value_counts()
  print(unique_counts)
  

• 方法2：groupby() + count()
  这种方法更灵活，适合需要将结果整理成DataFrame格式，或者关联其他列统计的场景：

  # 按"车型"分组，统计每个组的ID数量，并重置索引得到结构化的DataFrame
  count_result = df.groupby("车型")["ID"].count().reset_index(name="数量")
  print(count_result)
  

问题2：为DataFrame添加Total列，显示对应车型的颜色总数 #

针对你提供的示例数据，我们可以利用groupby()结合transform()来实现需求——transform会将分组统计的结果广播到每一行，完美匹配你想要的输出格式：

第一步：构造示例DataFrame #

先把你给出的表格数据转换成pandas DataFrame：

data = {
    "车型": ["VW", "VW", "VW", "AUDI", "AUDI", "AUDI"],
    "颜色": ["蓝色", "红色", "黑色", "银色", "黑色", "白色"],
    "ID": [123, 567, 779, 112, 356, 224]
}
df = pd.DataFrame(data)

第二步：添加Total列 #

# 按"车型"分组，统计每个组内颜色的数量，并用transform将结果映射到每一行
df["Total"] = df.groupby("车型")["颜色"].transform("count")
# 查看结果
print(df)

运行后得到的结果如下：

这里的核心逻辑是：groupby("车型")将数据按车型分成独立的组，["颜色"].transform("count")计算每个组内颜色条目的数量，然后把这个数值填充到该组的每一行中，这样每行都能显示对应车型的颜色总数。

内容的提问来源于stack exchange，提问作者edgar lenin lizarraga gastelum