计算DataFrame每行中Series系列项目的出现次数

Question

我有一个pandas.DataFrame看起来像这样。

COL1    COL2    COL3
C1      None    None
C1      C2      None
C1      C1      None
C1      C2      C3

对于此数据帧中的每一行，我想计算C1，C2，C3中每一个的出现次数，并将此信息作为列附加到此数据帧中。例如，第一行具有1 C1、0 C2和0
C3。最终数据帧应如下所示

COL1    COL2    COL3    C1  C2  C3
C1      None    None    1   0   0
C1      C2      None    1   1   0
C1      C1      None    2   0   0
C1      C2      C3      1   1   1

因此，我创建了一个以C1，C2和C3作为值的系列-
一种最重要的方法是在DataFrame的行和列上循环，然后在该Series上循环，并在计数器匹配时递增计数器。但是，有没有一种apply方法可以以紧凑的方式实现这一目标呢？

Answer 1

您可以申请value_counts：

In [11]: df.apply(pd.Series.value_counts, axis=1)
Out[11]: 
   C1  C2  C3  None
0   1 NaN NaN     2
1   1   1 NaN     1
2   2 NaN NaN     1
3   1   1   1   NaN

因此，您可以仅填写所需的基本值来填充NaN和小程序：

In [12]: df.apply(pd.Series.value_counts, axis=1)[['C1', 'C2', 'C3']].fillna(0)
Out[12]: 
   C1  C2  C3
0   1   0   0
1   1   1   0
2   2   0   0
3   1   1   1

注意：直接为DataFrame提供value_counts方法是一个未解决的问题（我认为应该由熊猫0.15引入）。