如何重塑Python数据框架以适应'；PowerBI'；维恩图？

在这里，我的目标是重塑panda的数据帧，并将新的数据帧加载到PowerBI中，并使用PowerBI Veen图

维恩图需要一种特定的格式，而且要通过pandas获得这种格式并不难。我可以通过“npwhere”函数获得所需的数据集，但似乎非常密集，而且代码很多

是否有其他方法可以实现我的期望输出

我的数据集：

import pandas as pd

df1 = pd.DataFrame({'Name': ['A0', 'A1', 'A2', 'A3','A4','A5'],
                'Social': ['0', '0', '2', '3','2', '3'],
                  'Math': ['0', '1', '2', '3','2', '3'],
                   'Science': ['0', '0', '4', '3','2', '3'],
                   'Computers':['0', '0', '0', '0','2', '3']})

df1

我想要的数据集如下所示：

df2 = pd.DataFrame({'Number_of_Students': ['1', '1', '2', '2'],
                'Social': ['NO', 'NO', 'Yes', 'Yes'],
                  'Math': ['NO', 'Yes', 'Yes', 'Yes'],
                   'Science': ['NO', 'NO', 'Yes', 'Yes'],
                   'Computers':['NO', 'NO', 'NO', 'Yes']})

df2

对产出的解释： 在最终结果中，出现次数或名称汇总为数字 在这个例子中

• 社会、数学、科学、计算机“0”=1名学生
• 社会=0，数学大于0，科学大于0，计算机大于0 =1名学生
• 社会、数学、科学超过0，计算机0=2名学生

• 社会、数学、科学和计算机超过0=2名学生

你可以用

df1.loc[:,'Social':]=df1.loc[:,'Social':].ne('0').replace({False:'NO',True:'Yes'})

df=df1.groupby(df1.columns[1:].tolist()).Name.count().reset_index()
df
  Social Math Science Computers  Name
0     NO   NO      NO        NO     1
1     NO  Yes      NO        NO     1
2    Yes  Yes     Yes        NO     2
3    Yes  Yes     Yes       Yes     2