You need to enable JavaScript to run this app. pandas如何对列取值计数结果做二次频次统计并生成指定DataFrame
优惠活动
大模型
产品
解决方案
定价
更多

pandas如何对列取值计数结果做二次频次统计并生成指定DataFrame

实操实现方案

你要统计的核心逻辑其实很直接:先拿到原DataFrame a列每个唯一值的出现次数,再对这些次数本身做一次跨唯一值的频次统计,完全不用手动拆分之前拿到的唯一值数组硬拼,几行代码就能出结果。

核心实现逻辑

你之前跑df.groupby('a').size()得到的Series已经包含了所有需要的原始数据:

  • 这个Series的所有取值,就是目标DataFrame里「Size」列的全部内容(也就是原a列每个唯一值对应的出现次数,和你之前跑df.a.value_counts().unique()拿到的数组完全同源)
  • 我们只需要对这个Series的数值本身做一次频次统计,就能直接算出每个Size值对应的重复次数,也就是「counts」列的内容

可直接运行的代码

# 第一步:拿到a列每个唯一值的出现次数序列
group_sizes = df.groupby('a').size()

# 第二步:对上述序列的数值做频次统计,直接组装成目标结构的DataFrame
uniques_size_counts = (
    group_sizes.value_counts()
    .rename_axis("Size")
    .reset_index(name="counts")
    # 可选:按Size值降序排列,和你之前输出的数组顺序对齐
    .sort_values("Size", ascending=False)
    .reset_index(drop=True)
)

最终效果

生成的DataFrame完全匹配你预期的结构:

  • Size列存储所有出现过的频次值,顺序和你之前拿到的数组完全一致
  • counts列存储每个频次值对应的实际重复数(比如你样例里size=94的唯一值有67个,这列就会对应输出67)
  • 相比手动循环统计的方式,这套方法没有额外的数据处理环节,不会出现计数偏差,执行效率也更高

小提示:如果需要统一列的数据类型,可以在代码最后加一行.astype({"Size": int, "counts": int}),避免因为格式问题出现异常值。


内容的提问来源于stack exchange,提问作者user15212564

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.01 07:45:07