如何基于value_counts()创建2012-2017年犯罪数量统计DataFrame

我来帮你搞定这个需求，先拆解下你现有代码的小问题，再给你两种完善的实现方案：

现有代码的问题点 #

• 你用pd.DataFrame(df_1.year.value_counts(), columns=["Year", "AggregateCrime"])的时候，value_counts()返回的是一个索引为年份、值为犯罪次数的Series。直接转DataFrame时，年份会变成行索引，而你指定的["Year", "AggregateCrime"]列会导致Year列全是NaN（因为原Series没有这个字段），这不符合预期。
• sort_index(axis = 0, ascending=...)这里需要明确填True，才能让年份按升序（2012→2017）排列。
• 另外，原代码可能会漏掉2012-2017中没有犯罪记录的年份，如果你需要这些年份也显示统计值0，就得额外处理。

方案1：基础版（仅统计有犯罪记录的年份） #

这个方案适合只需要统计数据中存在的年份，步骤如下：

import pandas as pd

# 1. 统计各年份犯罪次数，同时重置索引把年份从索引转为列
crime_year = df_1['Year'].value_counts().reset_index()
# 2. 设置正确的列名
crime_year.columns = ['Year', 'AggregateCrime']
# 3. 按年份升序排序
crime_year = crime_year.sort_values(by='Year', ascending=True)

方案2：进阶版（补全2012-2017所有年份） #

如果需要确保2012到2017的每一年都出现在结果里（哪怕某一年没有犯罪，显示0次），可以用reindex来补全年份：

import pandas as pd

# 1. 统计各年份犯罪次数
year_counts = df_1['Year'].value_counts()
# 2. 创建包含2012-2017所有年份的索引对象
all_target_years = pd.Index(range(2012, 2018), name='Year')
# 3. 重新索引，缺失年份填充0，再重置索引转为标准DataFrame
crime_year = year_counts.reindex(all_target_years, fill_value=0).reset_index()
# 4. 设置列名
crime_year.columns = ['Year', 'AggregateCrime']

这样处理后，哪怕2012年没有犯罪记录，结果里也会有一行2012, 0，完美覆盖你要的时间范围。

内容的提问来源于stack exchange，提问作者anandg112