首先，看看本文所面向的應用場景：我們有一個數據集df，現在想統計資料中某一列每個元素的出現次數。這個在我們前面文章《如何畫直方圖》中已經介紹了方法，利用value_counts()就可以實現（具體回看文章）

但是，現在，我們考慮另外一個場景，我們假如要想統計其中兩列元素出現次數呢？舉個栗子：

在df資料集中，如果我們想統計A、B兩列的元素的出現情況，也就是說，得到如下表。

從上面的最後一列可以看到，在A、B兩列中，1 2 出現了2次，1 4 出現1次 ，1 6出現1次，2 3出現了2次， 2 4 出現1次， 3 1出現了1次

具體實現的程式碼：

import pandas as pd
df=pd.DataFrame([[1,2,2],[1,4,5],[1,2,4],[1,6,3],[2,3,1],[2,4,1],[2,3,5],[3,1,1]],columns=['A','B','C'])
 

gp=df.groupby(by=['A','B'])
gp.size()

所以，如果想統計更多列，只要在groupby()中的by引數新增就可以，例如統計3列。

gp=df.groupby(by=['A','B','C'])

由gp.size()得到的是可以mulitiindex Series。

下面，要轉化成DataFrame的結構。

newdf=gp.size()
newdf.reset_index(name='times')

其中name中引數就是我們可以為最後一列新增新的名字，例如這裡的“times”

這個時候newdf已經是DataFrame的型別了。