Pandas中对DataFrame指定列唯一值计数与排序的高效实现方法

完全不需要硬编码逐值筛选，pandas内置的value_counts()方法就是专门为这类场景设计的，几行代码就能完成全部统计逻辑，性能和可维护性都远高于手写筛选的实现。

基础实现 #

读取CSV后，直接对目标列调用方法即可，默认就会完成所有唯一值的计数，并且按照出现次数从高到低自动排序：

import pandas as pd
df = pd.read_csv("wimbledons_champions_claned.csv")

# 自动统计所有唯一国籍的出现次数，默认降序排列
nationality_counts = df['Champion Nationality'].value_counts()

运行后返回的Series结构中，索引就是列里出现的全部唯一国籍值（AUS、FRA等不需要提前枚举），对应的值就是该国籍的冠军出现总次数。

常用参数与拓展用法 #

根据需求可以搭配内置逻辑调整统计规则，不需要改动核心代码：

• 需要按出现次数升序排列时，加上ascending=True参数：

  nationality_counts_asc = df['Champion Nationality'].value_counts(ascending=True)
  

• 需要将列中的空值也作为一类纳入统计时，加上dropna=False参数（默认配置下空值会被自动排除）：

  nationality_counts_with_na = df['Champion Nationality'].value_counts(dropna=False)
  

• 需要将统计结果转为标准DataFrame方便后续分析时，调用to_frame()重命名列即可：

  nationality_counts_df = df['Champion Nationality'].value_counts().to_frame(name='total_champions')
  

• 如果需要按国籍代码的字母顺序排序、而非按出现次数排序，可以在调用方法后再接sort_index()：

  nationality_counts_sorted_by_code = df['Champion Nationality'].value_counts().sort_index()
  

方案对比优势 #

和硬编码逐值筛选的实现相比：

• 不需要提前知道列里有多少类唯一值、每个值的具体编码，哪怕后续数据集更新新增了国籍类型，代码也不需要修改就能自动完成统计
• 基于pandas向量化计算实现，运行效率远高于逐行筛选拼接len()的写法，数据量越大性能优势越明显
• 内置支持排序、空值处理等常用逻辑，大幅减少重复代码量

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