接下来是@Andy的回答，你可以通过以下方法来解决你的第二个问题:

In [56]: df.groupby(['col5','col2']).size().reset_index().groupby('col2')[[0]].max()
Out[56]: 
      0
col2   
A     3
B     2
C     1
D     3

可以只使用内置函数count，后跟groupby函数

df.groupby(['col5','col2']).count()

如果你想构造一个DataFrame作为最终结果(不是pandas Series)，使用as_index=参数:

df.groupby(['col5', 'col2'], as_index=False).size()

为了得到最终想要的输出，也可以使用pivot_table(而不是double groupby):

df.pivot_table(index='col5', columns='col2', aggfunc='size').max()

如果你不想计算NaN值，你可以使用groupby.count:

df.groupby(['col5', 'col2']).count()

注意，由于每个列可能有不同数量的非nan值，除非您指定了列，否则可以使用简单的groupby。Count调用可以为每个列返回不同的计数，如上面的示例所示。以['col5'， 'col2']为例，col1中非nan值的数量如下:

df.groupby(['col5', 'col2'])['col1'].count()

你正在寻找的尺寸:

In [11]: df.groupby(['col5', 'col2']).size()
Out[11]:
col5  col2
1     A       1
      D       3
2     B       2
3     A       3
      C       1
4     B       1
5     B       2
6     B       1
dtype: int64

为了得到与waitingkuo相同的答案(“第二个问题”)，但稍微干净一点，可以按级别分组:

In [12]: df.groupby(['col5', 'col2']).size().groupby(level=1).max()
Out[12]:
col2
A       3
B       2
C       1
D       3
dtype: int64

接下来是@Andy的回答，你可以通过以下方法来解决你的第二个问题:

In [56]: df.groupby(['col5','col2']).size().reset_index().groupby('col2')[[0]].max()
Out[56]: 
      0
col2   
A     3
B     2
C     1
D     3

在pandas数据框架中插入数据并提供列名。

import pandas as pd
df = pd.DataFrame([['A','C','A','B','C','A','B','B','A','A'], ['ONE','TWO','ONE','ONE','ONE','TWO','ONE','TWO','ONE','THREE']]).T
df.columns = [['Alphabet','Words']]
print(df)   #printing dataframe.

这是我们的打印数据:

为了在pandas和counter中制作一组数据框架， 你需要再提供一个列来计数分组，让我们把这个列称为dataframe中的“COUNTER”。

是这样的:

df['COUNTER'] =1       #initially, set that counter to 1.
group_data = df.groupby(['Alphabet','Words'])['COUNTER'].sum() #sum function
print(group_data)

输出: