正確答案是：A: `ss.value_counts()`

### 專業(yè)分析：

- **A: `ss.value_counts()`**
- `value_counts()` 是 Pandas 中用于統(tǒng)計Series對象中每個類別出現(xiàn)次數(shù)的方法。對于分類型變量，它可以非常方便地給出每個類別的頻數(shù)分布，結果以降序排列。
- 示例用法：
```python
import pandas as pd

# 創(chuàng)建一個示例Series對象
ss = pd.Series(['a', 'b', 'a', 'c', 'b', 'a'])

# 計算頻數(shù)分布
frequency_distribution = ss.value_counts()
print(frequency_distribution)
```
- 輸出：
```
a 3
b 2
c 1
dtype: int64
```

- **B: `np.unique()`**
- `np.unique()` 是 NumPy 提供的方法，用于找到數(shù)組中唯一的元素并返回排序后的數(shù)組。如果參數(shù) `return_counts=True`，它會同時返回唯一元素的頻數(shù)。然而，它并不直接適用于 Pandas 的 Series 對象，需要先將 Series 轉換為 NumPy 數(shù)組。
- 示例用法：
```python
import numpy as np

# 使用np.unique()，并返回每個元素的頻數(shù)
unique_elements, counts = np.unique(ss, return_counts=True)
frequency_distribution = dict(zip(unique_elements, counts))
print(frequency_distribution)
```
- 輸出：
```
{'a': 3, 'b': 2, 'c': 1}
```

- **C: `np.freq()`**
- 在 NumPy 中沒有名為 `freq()` 的方法。因此，選項 C 是不存在的。

- **D: `pnunique()`**
- Pandas 中沒有直接的 `pnunique()` 方法。`nunique()` 是 Pandas 中用于計算Series或DataFrame對象中不重復的值的數(shù)量的方法，但它不用于獲取頻數(shù)分布。

因此，選項 A 是正確的選擇。`ss.value_counts()` 是用于統(tǒng)計分類型變量頻數(shù)分布的標準方法。