获取 size() 或 groupby & count 以跨所有列工作

Question

很抱歉，如果这看起来是重复的，我发现了很多使用groupby和size的接近答案，但没有一个返回列标题作为索引。

我有以下df(它实际上有340列和许多行(：

import pandas as pd
data = {'Name_Clean_40_40_Correct':['0','1','0','0'], 'Name_Clean_40_80_Correct':['0','1','1','N/A'],'Name_Clean_40_60_Correct':['N/A','N/A','0','1']}
df_third = pd.DataFrame(data)

我正在尝试为每列计算"0"、"1"one_answers"N/A"的实例。所以我希望索引是列名，列是"0"、"1"one_answers"N/A"。

我试过这个，但恐怕效率很低或不正确，因为它不会完成。

def countx(x, colname):
df_thresholds=df_third.groupby(colname).count()
for col in df_thresholds.columns:    
df_thresholds[col + '_Count'] = df_third.apply(countx, axis=1, args=(col,))

我可以为一个专栏做这件事，但那会很痛苦：

df_thresholds=df_third.groupby('Name_Clean_100_100_Correct').count()
df_thresholds=df_thresholds[['Name_Raw']]
df_thresholds=df_thresholds.T

Answer 1

如果我理解正确，这应该有效：

df_third.apply(pd.Series.value_counts)

结果：

Name_Clean_40_40_Correct  ...  Name_Clean_40_60_Correct
0                         3.0  ...                         1
1                         1.0  ...                         1
N/A                       NaN  ...                         2

BTW：只选择包含"正确"的列：

df_third.filter(like='Correct')

转座形式df_third.T:

0    1  N/A
Name_Clean_40_40_Correct  3.0  1.0  NaN
Name_Clean_40_80_Correct  1.0  2.0  1.0
Name_Clean_40_60_Correct  1.0  1.0  2.0