在python中如何计算数据帧的所有唯一值而不重复计算？

假设我有一个python数据帧，看起来像这样：

Factor_1    Factor_2    Factor_3   Factor_4   Factor_5
   A           B           A          Nan       Nan
   B           D           F          A         Nan
   F           A           D          B          A

类似这样的东西，我有5列，有不同的因素。我想创建一个列，计算这些因素在dtaframe中出现的数量，但不重复计算，如果值出现在一行中，则不重复计算。它只将其计算为1。例如，如果一行有a、B、C、a，则只计算1 a。预期的输出是这样的

Factor   Count
  A        3
  B        3
  D        2
  F        2
 Nan       2

我使用了有人帮助的代码

df.stack(dropna=False).value_counts(dropna=False)

---

我曾使用if来删除重复计数，但我想知道是否有一种实用而简单的方法可以做到这一点，就像上面的代码一样，而不是使用if，因为我所做的是没有效率的。

下面是一种遵循您的逻辑的方法，另外在

级别=0

上使用

groupby

链接条件检查

s = df.stack(dropna=False)
s.groupby(level=0).apply(lambda x: x[~x.duplicated()]).value_counts(dropna=False)

---

---

您可以使用

Series.unique

+

Series.value\u计数

：

s = pd.Series(np.hstack(df.T.apply(pd.Series.unique))).value_counts(dropna=False)

---

---

A

怎么能有四个计数遵循您的逻辑，如果有3行？我的错，我应该是3对不起是的，我的错，抱歉刚刚更改了它我理解你所做的逻辑，但当我应用到我的代码时，它会返回错误值错误：数组必须都是相同的长度，我真的不知道为什么它会返回错误对我来说，它工作正常..@anky有什么想法吗？代码在您提供的示例数据上运行良好吗？不，我只是检查了一下，它实际上并没有给我相同的错误。错误是由于旧版本的pandas引起的，如果它可以帮助某人更新pandas，并且它将工作得很好。

s = pd.Series(np.hstack(df.T.apply(pd.Series.unique))).value_counts(dropna=False)

B      3
A      3
F      2
D      2
NaN    2
dtype: int64