我有一个包含一组字典的Python列表，比如JSON表示。我的任务是根据序列号查找用户数。

输入数据如下所示。但是，它实际上在该列表下包含数千个字典，并且序列号在整个列表中重复

[{
        "serial_id": 1,  
        "name": "ABC"
    }, 
    {
        "serial_id": 6,  
        "name": "DEF"
    }, 
    {
        "serial_id": 8,  
        "name": "GHI"
    }, 
    {
        "serial_id": 0, 
        "name": "JKL"
    }, 
    {
        "serial_id": 6,  
        "name": "VVV"
    }]

现在，我知道序列号的范围，但我不想硬编码。 我的任务是找到每个序列号的用户总数（即名称计数）。如果我能得到一个类似于表的结构，按降序排序，包含列、序列号和每个序列号的用户计数，那就更好了

问题是: 我们可以利用数据帧概念吗？如果可能的话，我愿意。 我无法获得任何方法来实现所需的输出

提前谢谢

由于JSON数据是从API中提取的，下面是我尝试过但失败严重的代码

#Python libraries
import numpy as np
import pandas as pd 
from pandas import DataFrame, Series
from collections import Counter

url1 = 'INPUT URL'
#print ('Retrieving',url1)

#uh = urllib2.urlopen(url1)
r = requests.get(url1)
r = r.text
#print r
#print ('Retrieved', len(r), 'characters')

try:js = json.loads(r) # js -> Native Python list
except:js = None
#print js

info = json.dumps(js , indent =4) #Prints out the JSON data in a nice format which we call as "Pretty Print"
#print (info)

'''
#print ('User Count:' , len(info))

for item in (js):

    print ('Name' , item["name"])
'''

'''
user_count = 0

for item in (js):

    #df = {'serial_id': Series[item["affiliate_id"]]} //ERROR
     df = DataFrame({'serial_id': [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]})
     #Hard-coded the serial_id since we know the range of the affiliate_id

print(df)

---

让我们使用熊猫数据帧：

from io import StringIO
import pandas as pd

jstring = StringIO("""[{
        "serial_id": 1,  
        "name": "ABC"
    }, 
    {
        "serial_id": 6,  
        "name": "DEF"
    }, 
    {
        "serial_id": 8,  
        "name": "GHI"
    }, 
    {
        "serial_id": 0, 
        "name": "JKL"
    }, 
    {
        "serial_id": 6,  
        "name": "VVV"
    }]""")

df = pd.read_json(jstring)

df_out = df.groupby('serial_id')['name'].count().reset_index(name='name_count')

print(df_out)

输出：

   serial_id  name_count
0          0           1
1          1           1
2          6           2
3          8           1