Python 使用外部列表计算值

我有这种数据帧：

import pandas as pd

df = pd.DataFrame()
df['s1'] = ['n', 'u', 'u', 'u', 'n', 't', 't']
df['s2'] = ['n', 'n', 'u', 'u', 'n', 't', 't']
df['s3'] = ['o', 'o', 'o', 'o', 'o', 'o', 'o']
df['s4'] = ['u', 'u', 'u', 'u', 'n', 't', 't']

我试图获得一个数据帧df2，其中['n'，'u'，'t'，'o']作为索引，['s1'，'s2'，'s3'，'s4']作为列名，每个sX的'n'，'u'，'t'，'o'的数量。所以df2['n'，'s1']是2

感谢您的帮助。

使用所有列的值\u计数，将缺少的值替换为0并转换为整数：

df = df.apply(pd.value_counts).fillna(0).astype(int)
print (df)
   s1  s2  s3  s4
n   2   3   0   1
o   0   0   7   0
t   2   2   0   2
u   3   2   0   4

另一个解决方案是使用for Series with MultiIndex，然后使用并最后通过重塑，但在大型数据帧中这是一个较慢的解决方案：

性能：

使用所有列的值_计数，将缺少的值替换为0并转换为整数：

df = df.apply(pd.value_counts).fillna(0).astype(int)
print (df)
   s1  s2  s3  s4
n   2   3   0   1
o   0   0   7   0
t   2   2   0   2
u   3   2   0   4

另一个解决方案是使用for Series with MultiIndex，然后使用并最后通过重塑，但在大型数据帧中这是一个较慢的解决方案：

性能：

使用+要快得多 在大数据帧中

d=df.melt()
count_df=pd.crosstab(d['value'],d['variable'])
print(count_df)

variable  s1  s2  s3  s4
value                   
n          2   3   0   1
o          0   0   7   0
t          2   2   0   2
u          3   2   0   4

使用+要快得多 在大数据帧中

d=df.melt()
count_df=pd.crosstab(d['value'],d['variable'])
print(count_df)

variable  s1  s2  s3  s4
value                   
n          2   3   0   1
o          0   0   7   0
t          2   2   0   2
u          3   2   0   4

速度快得多-可以添加一些性能计时吗？因为我认为你错了，速度要快得多-你能添加一些性能计时吗？因为我认为你错了