Python 如何使用列中的值来确定要在不同数据帧中分析的列？

我有两个熊猫数据帧，一个是原始数据，另一个是基于第一个数据帧的数据分析的分析输出。设置如下：

df1
P1T P2T P3T
P   N   P
N   P   U
P   P   U
U   U   N

df2
Indicator  Indicator State   Occurrences
P1T        P
P1T        N
P1T        U
P2T        P
P2T        N
P2T        U
P3T        P
P3T        N
P3T        U

在

df1

中，每列代表一个“指示器”，每个指示器可以有三种状态：“p”、“N”或“U”

df2

列出了每个“指示器”及其可能具有的状态范围，每个表示不同的情况。然后计算每个案例的出现次数，并在“出现次数”列中输出该数字。就是

df2
Indicator   Indicator State   Occurrences
P1T         P                 2
P1T         N                 1
P1T         U                 1
P2T         P                 2
P2T         N                 1
P2T         U                 1
P3T         P                 1
P3T         N                 1
P3T         U                 2

是否可以使用

df2['Indicators']

列中的值来指定

df1

中的列以执行计数，然后使用

df2['Indicator State']

列中的值来提供“countif”条件？

与

多索引系列一起使用和用于
多索引系列
：

df3 = (df1.melt(var_name='Indicator', value_name='Indicator State')
         .groupby(['Indicator','Indicator State'])
         .size()
         .rename('Occurrences'))

另一个解决方案包括和：


最后将其保存到原始数据帧
DataFrame
：

#if necessary remove only NaN column 
df2 = df2.drop('Occurrences', axis=1)
df2 = df2.join(df3, on=['Indicator','Indicator State'])
print (df2)
  Indicator Indicator State  Occurrences
0       P1T               P            2
1       P1T               N            1
2       P1T               U            1
3       P2T               P            2
4       P2T               N            1
5       P2T               U            1
6       P3T               P            1
7       P3T               N            1
8       P3T               U            2

非常感谢。这正是我一直在寻找的，工作起来很有魅力：）
print (df3)
Indicator  Indicator State
P1T        N                  1
           P                  2
           U                  1
P2T        N                  1
           P                  2
           U                  1
P3T        N                  1
           P                  1
           U                  2
Name: Occurrences, dtype: int64

#if necessary remove only NaN column 
df2 = df2.drop('Occurrences', axis=1)
df2 = df2.join(df3, on=['Indicator','Indicator State'])
print (df2)
  Indicator Indicator State  Occurrences
0       P1T               P            2
1       P1T               N            1
2       P1T               U            1
3       P2T               P            2
4       P2T               N            1
5       P2T               U            1
6       P3T               P            1
7       P3T               N            1
8       P3T               U            2