Python 如何计算特定名称在数据框列中出现的次数？

我有一列名字。我需要计算某个特定名称在该列中出现的次数

Column:
Dave
John
John
Thanos
Bob

我需要像这样的东西：

[in] df['Column'].count_name('John')
[out] 2

使用

value\u counts（）。如果这个问题以前被问过/回答过，我很抱歉，但我无法找到一种搜索它的方法，而不仅仅是告诉我使用
value\u counts（）

谢谢
 仅用于使用
numpy.count\u非零加速

import numpy as np 

np.count_nonzero(df['Column']=='John')
Out[186]: 2

尝试使用以下方法：

df['Column:'].value_counts（）['John']

In [6]: %timeit df[0].value_counts()['John']
1000 loops, best of 3: 548 µs per loop

In [7]: %timeit df[0].eq('John').sum()
The slowest run took 8.19 times longer than the fastest. This could mean that an intermediate result is being cached.
1000 loops, best of 3: 311 µs per loop

In [8]: %timeit np.count_nonzero(df[0]=='John')
10000 loops, best of 3: 162 µs per loop

编辑：最快的是使用np.count\u非零

显然，使用eq（）比使用value_counts（）要快，这是显而易见的，因为value_counts计算所有值，而.eq（）只计算给定值。
试试
df['Column'].eq（'John'）.sum（）
如果我有灵魂，我会向你保证，谢谢你
value_counts（）
的性能将低于单个查找的总和。但是，如果需要对不同的
名称多次执行此操作，您应该存储结果并使用
.loc
索引：
s=df['Column'].value\u counts（）
后跟
s.loc['John']
，但专家是否仍可以用第二种和第三种方法解释计时的差异？我认为他们显然很相似。。