使用Pandas按列值出现次数对Excel表格数据进行排序

嘿，我来帮你搞定这个需求！先把你的样本数据清晰整理出来，然后一步步实现统计排序的操作：

你的样本数据（整理后）： #

你的需求很明确：统计A列各值的出现次数，按次数从多到少排序（America3次→Italy2次→France1次）。下面是具体的Pandas实现步骤：

步骤1：导入Pandas并读取/构造数据 #

首先导入Pandas库，如果是读取本地Excel文件，用pd.read_excel()；如果是先测试样本数据，可以直接构造DataFrame：

import pandas as pd

# 方式1：读取本地Excel文件（假设文件名为sample.xlsx）
# df = pd.read_excel('sample.xlsx')

# 方式2：构造你的样本DataFrame（方便快速测试）
data = {
    'A': ['Italy', 'Italy', 'America', 'America', 'America', 'France'],
    'B': ['Transport for London.....', 'Roseanne Barr Actor leavin.....', 
          'Americas Transport for London........', 'Transport for London.....', 
          'Roseanne Barr Actor leavin.....', 'Americas Transport for London........']
}
df = pd.DataFrame(data)

步骤2：统计A列值的出现次数并排序 #

方法一：直接统计频次（得到各值的次数结果） #

用value_counts()方法可以直接统计列值的出现次数，默认就是降序排列，保险起见可以显式指定排序规则：

# 统计A列各值的出现次数，按降序排序
count_result = df['A'].value_counts().sort_values(ascending=False)
print(count_result)

执行后输出：

America    3
Italy      2
France     1
Name: A, dtype: int64

如果需要把结果转换成更易读的DataFrame格式（比如后续要保存到Excel）：

# 将Series转换为DataFrame并重新命名列
count_df = count_result.reset_index()
count_df.columns = ['A列值', '出现次数']
print(count_df)

输出：

A列值  出现次数
0  America      3
1    Italy      2
2   France      1

方法二：对原表格的行按A列值的频次排序（保留所有行） #

如果你需要保留原表格的所有行，并且让出现次数多的A值对应的行排在前面，可以这样做：

# 先给每行添加对应的A值出现次数列
df['临时_出现次数'] = df['A'].map(df['A'].value_counts())
# 按出现次数降序排序，相同次数的可以按A列值排序（可选）
sorted_df = df.sort_values(by='临时_出现次数', ascending=False)
# 删除临时添加的列（如果不需要）
sorted_df = sorted_df.drop(columns='临时_出现次数')
print(sorted_df)

执行后输出的行顺序会是：所有America的行在前，接着是Italy的行，最后是France的行。

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