我需要对每种情况下某个值(假设它是3(在一系列列中的出现次数进行计数。为此，我写了一个脚本如下：
import pandas as pd
import numpy as np
objsourcedf = pd.DataFrame({"a": [1, 2, 2], "b": [3, 1, 1],
"c": [3, 2, 1], "d": [4, 3, 8]})
print(objsourcedf)
objauxdf = objsourcedf.transpose()
objauxdf.loc["counts"] = np.sum(objauxdf == 3)
objsourcedf = objsourcedf.assign(counts=list(objauxdf.loc["counts"]))
print(objsourcedf)
第一个print是：
a b c d
0 1 3 3 4
1 2 1 2 3
2 2 1 1 8
第二：
a b c d counts
0 1 3 3 4 2
1 2 1 2 3 1
2 2 1 1 8 0
尽管它工作得很好，但我很确定还有一种更像蟒蛇的方法。我所说的"蟒蛇"是指使用本机的、简洁的pandas功能，并且不循环通过列/行。例如，在SPSS中有一个简单的count命令，因此关于这个objsourcedf，这一行将是：
count counts = a b c d (3).
execute.
遗憾的是，作为Python和pandas的初学者，我什么都找不到，所以我想问你是否有更简单的方法来获取事件？
我希望这符合"Pythonic"：
objsourcedf['count'] = objsourcedf.eq(3).sum(axis=1)