如何获取DataFrame中截至每一行的累积value_counts？

嘿，这个需求我刚好处理过！要得到Pandas DataFrame里截至每一行的累积value_counts，有两种实用的方法，我结合你的示例给你拆解清楚。

首先先还原你给出的示例数据：

import pandas as pd

df = pd.DataFrame({
    'f1': ['v1', 'v2', 'v3', 'v4'],
    'f2': ['a', 'a', 'b', 'c']
})

方法一：向量化操作（高效推荐） #

这种方法利用get_dummies和cumsum实现，全程是Pandas的向量化运算，速度非常快，适合大数据量的场景：

# 将f2列的分类值转成哑变量矩阵
dummies = pd.get_dummies(df['f2'])
# 计算每一行的累积求和，得到截至当前行的各值计数
cumulative_counts = dummies.cumsum()
# 把每一行的计数转成字典，只保留计数大于0的项（避免出现0值的键）
df['cumulative_value_counts'] = cumulative_counts.apply(lambda x: x[x > 0].to_dict(), axis=1)

运行后你的DataFrame会变成这样：

方法二：逐行遍历（直观易懂） #

如果你的数据量不大，或者想要更直观的逻辑，可以用逐行遍历的方式，维护一个计数器字典：

from collections import defaultdict

# 初始化一个默认字典来存计数
counts = defaultdict(int)
cumulative_dicts = []

# 逐行遍历DataFrame
for _, row in df.iterrows():
    # 更新当前值的计数
    counts[row['f2']] += 1
    # 必须复制字典，否则后续修改会影响已经存入列表的结果
    cumulative_dicts.append(counts.copy())

# 将结果列加入原DataFrame
df['cumulative_value_counts'] = cumulative_dicts

这个方法的逻辑非常直白：每过一行就把当前f2的值计数加1，然后把当前的计数状态存下来，完全符合你要的“截至每一行”的累积效果。

两种方法对比 #

• 优先选方法一：向量化运算没有循环开销，在数据量较大（比如几万行以上）时速度优势非常明显。
• 选方法二：逻辑简单易懂，适合小数据量场景，或者需要在遍历过程中做额外操作的情况。

内容的提问来源于stack exchange，提问作者mkmostafa