如何将Pandas列城市频次统计结果转为collections.Counter对象

针对需求——对DataFrame中的城市列做频次统计，最终输出原生collections.Counter对象，有两种通用可落地的实现路径：

实现方法 #

• **方法1：直接传入Counter构造函数（最极简）
  Counter本身支持接收任意可迭代对象作为输入，Pandas的单列（Series）本身就是可迭代的序列结构，遍历时会依次返回每一行的单元格取值，因此不需要额外提前计算频次，直接把列对象传入即可生成正确的计数结果。
  首先导入依赖：from collections import Counter
  执行语句：city_freq = Counter(df['city'])
  如果需要过滤列中的空值，可调整为city_freq = Counter(df['city'].dropna())，避免空值被计入统计结果。
  这种方法没有多余的类型转换步骤，直接生成原生Counter实例，运行效率最高。

• **方法2：基于Pandas计数能力处理后转换（灵活度最高）
  如果在统计频次时需要额外借助Pandas的内置处理逻辑（比如对结果排序、按频次阈值过滤、做归一化统计等），可以先通过value_counts()拿到结构化的统计结果，再通过字典中转的方式转换为Counter对象：

  1. 先计算各城市计数：count_result = df['city'].value_counts()
  2. 转为Counter对象：city_freq = Counter(count_result.to_dict())
     这种方法生成的同样是原生Counter实例，可以直接调用Counter的所有内置方法（比如most_common()做频次排序、做计数加减运算等）。

注意事项 #

• 不要将Pandas的计数Series直接替代Counter使用，Series虽然具备键值对的存储结构，但不具备Counter的原生方法，完全不符合需求明确要求的类型约束
• 两种方法生成的Counter输出结构完全匹配预期，对给定的示例数据（包含New York、Tokyo、Tokyo、Beijing四个取值），最终输出为Counter({'Tokyo': 2, 'New York': 1, 'Beijing': 1})，和需求示例完全一致。

可复现的完整示例代码

import pandas as pd
from collections import Counter

# 构造测试数据
df = pd.DataFrame({
    "city": ["New York", "Tokyo", "Tokyo", "Beijing"]
})

# 方法1运行
res1 = Counter(df["city"])

# 方法2运行
res2 = Counter(df["city"].value_counts().to_dict())

内容的提问来源于stack exchange，提问作者user12394113