在pandas数据表中，统计出”Label_new“列每一种数据有多少，然后计算出每一行数据的权重（不需要加载到pandas数据表中）（计算方式：1/Label_new中这类数据的个数）

在Pandas中，你可以使用`value_counts()`函数来统计"Label_new"列中每个独特值的数量，然后对每个值对应的权重进行计算。以下是步骤：

import pandas as pd

# 假设df是你的DataFrame，其中包含"Label_new"列
label_counts = df["Label_new"].value_counts()  # 统计每个标签的数量

# 创建一个新的Series，其中索引是Label_new的值，值是对应的频率（1/频数）
weights = 1 / label_counts

# 对于每一行数据，如果它的Label_new在weights Series中找到，那么该行的权重就是对应值
# 如果某行的Label_new不在weights中，权重可以设置为0或采取其他填充策略，这里假设是0
# weights_in_df = df.apply(lambda row: weights[row['Label_new']] if row['Label_new'] in weights.index else 0)

# 或者如果你有一个完整的索引列表，可以用它来获取权重
weights_index = weights.index.tolist()
weights_in_df = df.apply(lambda row: weights[row['Label_new']] if row['Label_new'] in weights_index else 0)

注意：上述代码中最后一部分假设你知道所有可能的"Label_new"值，并且已经将其转换为Series的索引。如果没有这个信息，你需要先确定所有的类别。