我有一个大的（大约12M行）DataFramedf：
df.columns = ['word','documents','frequency']
以下内容及时运行：
word_grouping = df[['word','frequency']].groupby('word')
MaxFrequency_perWord = word_grouping[['frequency']].max().reset_index()
MaxFrequency_perWord.columns = ['word','MaxFrequency']
然而，这需要一个出乎意料的长时间来运行：
Occurrences_of_Words = word_grouping[['word']].count().reset_index()
我在这里做错了什么？有没有更好的方法来计算大型数据帧中的事件？
df.word.describe()
运行得很好，所以我真的没想到这个Occurrences_of_WordsDataFrame需要很长时间才能构建。
我认为df['word'].value_counts（）应该有用。通过跳过groupby机器，您将节省一些时间。我不确定为什么count应该比max慢得多。两者都需要一些时间来避免丢失值。（与size比较。）
无论如何，value_counts已经被专门优化来处理对象类型，比如你的话，所以我怀疑你会做得更好。
当您想计算熊猫数据帧中列中分类数据的频率时，请使用：df['Column_Name']。value_counts（）
-来源。
只是对前面答案的补充。我们不要忘记，在处理真实数据时可能会有空值，因此使用选项dropna=False（默认为True）将这些值也包含在计数中很有用
举个例子：
>>> df['Embarked'].value_counts(dropna=False)
S 644
C 168
Q 77
NaN 2
