我统计了excel中一列的频数。但是我现在想把这个结果以表格的形式写进excel，表格的第一列是商品名称，第二列是频数

使用pandas中数组转数据框函数to_frame()即可。构造了一个简单数据框并示例如下。

import pandas as pd 

df=pd.DataFrame({'name':['a','b','c','c','d','a','b','a'],'num':[1,1,1,1,1,1,1,1]})
res=df.groupby('name')['num'].count().to_frame().reset_index()
res.to_excel('test3.xlsx')

如对你有帮助，请点击我回答的右上方采纳按钮，采纳一下~~

戴噶猴，我又来了。我发现我的基础知识真的有问题。。。本来我在总结apply呢，然后第一段代码就报错。遇到了一万次TypeError: sort_values() got an unexpected keyword argument 'by'这个报错后，终于忍不住总结一波了。恍然大悟，还请大佬们多多指教！结合df+series+rename这篇一起看吧~#!/usr/bin/env python

-- coding:utf8 --

@TIME :2018/11/3 16:23

@Author:Yolanda

@File :temp8.py

#反击啊！少女

from pandas import DataFrame as DF
import pandas as pd
data=pd.DataFrame({'A':[1,2,3,4],'B':[5,6,6,8],'C':[9,9,9,12]})

def column_types_table(data):
print('Number of each type of columns:')
count_dtype = data.dtypes.value_counts().reset_index()#总表每一类别总数，以列为单位
count_dtype.columns = ['name','total']
print(count_dtype)

print('\nNumber of unique classes in each columns:')
for i in count_dtype['name'].values:
    print('Type: ',i)#计算每一列不同类型的个数

    print(type(data.select_dtypes(i).nunique()))#<class 'pandas.core.series.Series'>
    print(type(data.select_dtypes(i).nunique().reset_index(drop=True)))#<class 'pandas.core.series.Series'>。注意！！
    print(type(data.select_dtypes(i).nunique().reset_index()))#<class 'pandas.core.frame.DataFrame'>
    # reset_index()之后，series会强制转换为df，df还是df。
    # reset_index(drop=True)之后，series还是series，df还是df。

    # 第一种写法：series
    print(data.select_dtypes(i).nunique())
    # A    4
    # B    3
    # C    2
    # dtype: int64

    # 第二种写法：df，所以有默认列名
    print(data.select_dtypes(i).nunique().reset_index())
    #   index  0
    # 0     A  4
    # 1     B  3
    # 2     C  2

    # 第三种写法：series
    print(data.select_dtypes(i).nunique().reset_index(drop=True))
    # 0    4
    # 1    3
    # 2    2
    # dtype: int64

    # 第四种写法：df，修改默认列名0为nunique
    print(data.select_dtypes(i).nunique().reset_index().rename(columns={0:'NUNIQUE'}))
    #   index  NUNIQUE
    # 0     A        4
    # 1     B        3
    # 2     C        2

    # 第五种写法：series，rename没用，rename对于df才有用
    print(data.select_dtypes(i).nunique().reset_index(drop=True).rename(columns={0:'NUNIQUE'}))
    # 0    4
    # 1    3
    # 2    2
    # dtype: int64

    # 第六种写法：对于df，没有rename列名，那sort_values用法是sort_values(by=[0])，默认升序
    print(data.select_dtypes(i).nunique().reset_index().sort_values(by=[0],ascending=False))
    #   index  0
    # 0     A  4
    # 1     B  3
    # 2     C  2

    # 第七种写法：对于df，rename列名后，那sort_values用法是sort_values(by=['列名'])，默认升序
    print(data.select_dtypes(i).nunique().reset_index().rename(columns={0:'NUNIQUE'}).sort_values(by=['NUNIQUE'],ascending=False))
    #   index  NUNIQUE
    # 0     A        4
    # 1     B        3
    # 2     C        2

    # 第八种写法：对于df，没有rename列名，那sort_values用法是sort_values(by=[0])，默认升序，可以最后再rename列名
    print(data.select_dtypes(i).nunique().reset_index().sort_values(by=[0], ascending=False).rename(columns={0: 'NUNIQUE'}))
    #   index  NUNIQUE
    # 0     A        4
    # 1     B        3
    # 2     C        2

    # 第九种写法：对于series，rename没用，那sort_values用法是sort_values(0)，默认升序
    print(data.select_dtypes(i).nunique().reset_index(drop=True).rename(columns={0:'NUNIQUE'}).sort_values(0,ascending=False))
    # 0    4
    # 1    3
    # 2    2
    # dtype: int64

    # 第十种写法：等价于第八种写法，结尾再drop也没用
    print(data.select_dtypes(i).nunique().reset_index().sort_values(by=[0], ascending=False).rename(columns={0: 'NUNIQUE'}).reset_index(drop=True))
    #   index  NUNIQUE
    # 0     A        4
    # 1     B        3
    # 2     C        2

    # 第十一种写法：等价于第八种写法，只不过这么写可以不加重复index，因为加了drop=True就变成series了，没法放列名，而不加drop=True，可以加列名又不能去掉重复index。
    # 也就是不使用reset_index来转化为df，直接使用DF，不会多加index。apply(pd.Series.nunique, axis=0)的axis=0可以不加，默认按行，如果等于1，就是按列
    print(DF(data.select_dtypes(i).apply(pd.Series.nunique, axis=0)). \
          sort_values(by=[0], ascending=False).rename(columns={0: 'NUNIQUE'}))  # 按列0排序，没有给名字的时候，转化成df是自动命名01234
    #    NUNIQUE
    # A        4
    # B        3
    # C        2

    # 第十二种写法：等价于第十一种写法，直接使用DF，不会多加index。
    # nunique()等价于nunique(axis=0)等价于apply(pd.Series.nunique)等价于apply(pd.Series.nunique, axis=0)，改成1就是按列。
    print(DF(data.select_dtypes(i).nunique()).sort_values(by=[0], ascending=False).rename(columns={0: 'NUNIQUE'}))
    #    NUNIQUE
    # A        4
    # B        3
    # C        2

column_types_table(data)总结： 一、rename1、 df，所以有默认列名，rename可用 2、 series，无默认列名，rename没用 二、apply1、nunique()等价于nunique(axis=0)等价于apply(pd.Series.nunique)等价于apply(pd.Series.nunique, axis=0)，改成1就是按列。三、 sort_values1、 对于df，没有rename列名，那sort_values用法是sort_values(by=[0])，默认升序，可以最后再rename列名 2、 对于df，rename列名后，那sort_values用法是sort_values(by=['列名'])，默认升序 3、 对于series，rename没用，那sort_values用法是sort_values(0)，默认升序 四、 转换类型1、 reset_index()之后，series会强制转换为df并多加了一列index，df还是df。 2、 reset_index(drop=True)之后，series还是series，df还是df。 3、 直接使用DF转换为df，不会多加index。from pandas import DataFrame as DF