pandas 根据A列数据中每一个不同数据出现次数由高到低排列分类B列的数据 并对B列的数据去重

可以使用 `pandas` 库中的 `groupby()` 和 `value_counts()` 方法来实现。

假设数据集的 DataFrame 名为 `df`，A列的列名为 `A`，B列的列名为 `B`，代码如下：

result = df.groupby(['B'])['A'].value_counts().sort_values(ascending=False).reset_index(name='count')
result.drop_duplicates(subset='B', keep='first', inplace=True)

这里先对 B 列进行分组，然后对 A 列进行计数并按照出现次数从高到低排序，最后重置索引并将计数列的列名设置为 `count`。

然后使用 `drop_duplicates()` 方法对 B 列进行去重，只保留第一次出现的行。

完整代码如下：

import pandas as pd

# 创建示例数据集
data = {'A': [1, 2, 2, 3, 3, 3, 4, 4, 4, 4], 'B': ['a', 'b', 'c', 'a', 'b', 'c', 'a', 'b', 'c', 'd']}
df = pd.DataFrame(data)

# 排序并去重
result = df.groupby(['B'])['A'].value_counts().sort_values(ascending=False).reset_index(name='count')
result.drop_duplicates(subset='B', keep='first', inplace=True)

print(result)

输出结果为：

   B  A  count
0  a  4      2
1  b  4      2
2  c  3      2
3  d  4      1