如何在Pandas中统计code列频次并展示对应note列值？

开发者阿泽

2026-5-20

解决方法：同时统计编码频次与对应任意备注

这问题我熟！要实现统计code列各编码的出现频次，同时获取每个编码对应的任意一条note，用pandas的分组聚合或者合并操作就能轻松搞定，给你两种实用方案：

方案一：直接分组聚合（推荐，更简洁）

这种方法通过groupby对code分组，一次性聚合出频次和任意一条备注，效率很高：

import pandas as pd

# 先构造示例数据（你可以替换成自己的DataFrame）
df = pd.DataFrame({
    'code': ['A', 'A', 'B', 'C', 'B', 'A', 'C'],
    'note': ['adam', 'alice', 'bob', 'charlie', 'beth', 'andrew', 'chris']
})

# 分组聚合：统计频次 + 取第一条备注（也可以换成last()取最后一条）
result = df.groupby('code').agg(
    出现频次=('code', 'size'),  # size()统计分组内的行数，包含NaN；如果要排除NaN用count()
    示例备注=('note', 'first')  # first()取分组内第一条note，随机取的话可以用lambda x: x.sample(n=1).iloc[0]
).reset_index()

print(result)

运行后输出结果：

code  出现频次    示例备注
0    A      3     adam
1    B      2      bob
2    C      2  charlie

方案二：先统计频次再合并去重数据

如果你习惯先单独统计频次，再和去重后的备注数据合并，也可以这么做：

# 1. 统计code的出现频次
code_counts = df['code'].value_counts().reset_index(name='出现频次')

# 2. 获取每个code对应的任意一条备注（通过去重实现）
unique_notes = df.drop_duplicates(subset='code')[['code', 'note']].rename(columns={'note': '示例备注'})

# 3. 合并两个结果
result = pd.merge(code_counts, unique_notes, on='code')

print(result)

这个方法的输出和方案一完全一致，适合分步操作的场景。