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)