尝试在 ipython 中运行此文件时，我不断收到不同的属性错误...熊猫初学者，所以也许我遗漏了一些东西
代码：
from pandas import Series, DataFrame
import pandas as pd
import json
nan=float('NaN')
data = []
with open('file.json') as f:
for line in f:
data.append(json.loads(line))
df = DataFrame(data, columns=['accepted', 'user', 'object', 'response'])
clean = df.replace('NULL', nan)
clean = clean.dropna()
print clean.value_counts()
AttributeError: 'DataFrame' object has no attribute 'value_counts'
有任何想法吗？
value_counts是Series方法而不是DataFrame方法（并且您正尝试在 DataFrame 上使用它clean）。您需要在特定列上执行此操作：
clean[column_name].value_counts()
在 DataFrame上执行通常没有意义value_counts，尽管我想您可以通过展平底层值数组将其应用于每个条目：
pd.value_counts(df.values.flatten())
要获取数据框中所有列的所有计数，只需df.count()
value_counts()现在是自 pandas 1.1.0 以来的 DataFrame 方法
https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.value_counts.html
如果您使用 groupby()，只需创建一个新变量来存储 data.groupby('column_name')，然后在获取该变量并通过应用 value_counts() 再次访问该列之后。就像 df=data.groupby('city')，你可能会说 df['city'].value_counts()。这对我有用
value_counts 仅适用于系列。它不适用于整个 DataFrame。尝试仅选择一列并使用此属性。例如：
df['accepted'].value_counts()
如果您有重复的列，它也将不起作用。这是因为当您选择特定列时，它也将代表重复的列，并将返回数据框而不是系列。当时使用删除重复列
df = df.loc[:,~df.columns.duplicated()]
df['accepted'].value_counts()
我有同样的问题，它正在工作，但现在由于某种原因它不是。我用 groupby 替换了它：
grouped = pd.DataFrame(data.groupby(['col1','col2'])['col2'].count())
grouped.columns = ['Value_counts']
grouped