Python 对给定行、列和列的分类要素标签求和

对df中每个实例的分类变量的标签计数求和（相同）的pythonic方法是什么？ 例如：

在添加标签计数列后，应给出：

  City Crime Pollution  Jobs  nUp  nDown  nSame
0    A    Up        Up  Same    2      0      1
1    B    Up      Down    Up    2      1      0
2    C  Down      Down  Down    0      3      0

---

谢谢

您可以对每行应用

pd.Series.value\u counts

函数，然后在将

nan

s替换为零后，将计数连接到

数据帧的第二个轴上

>>> counts = qualityOfLife_df.apply(pd.Series.value_counts, axis=1)[['Up', 'Down', 'Same']].fillna(0)
>>> pd.concat((qualityOfLife_df, counts), axis=1)
  City Crime Pollution  Jobs   Up  Down  Same
0    A    Up        Up  Same  2.0   0.0   1.0
1    B    Up      Down    Up  2.0   1.0   0.0
2    C  Down      Down  Down  0.0   3.0   0.0

同样如注释中所述，您可以使用
astype（int）
将浮点数转换为整数。为了优化内存，我建议，如果您处理的是较大的数据集，根据计数可能保持的最大数，使用较小的整数类型，如
np.int16
或
np.int8

>>> pd.concat((qualityOfLife_df, counts.astype(int)), axis=1)
  City Crime Pollution  Jobs  Up  Down  Same
0    A    Up        Up  Same   2     0     1
1    B    Up      Down    Up   2     1     0
2    C  Down      Down  Down   0     3     0

另一种方法是为每列使用虚拟变量，然后取它们的和：

pd.get_dummies(qualityOfLife_df.loc[:, 'Crime':'Jobs']).groupby(lambda x: x.split('_')[1], axis=1).sum()
Out: 
   Down  Same  Up
0     0     1   2
1     1     0   2
2     3     0   0

如果您有大量行，我希望这会更有效。
您可以使用标准库中的
集合。计数器
：

from collections import Counter

counts = pd.DataFrame(df[['Crime', 'Pollution', 'Jobs']].apply(Counter, axis=1).tolist())\
           .fillna(0).astype(int)

df = df.join(counts)

print(df)

  City Crime Pollution  Jobs  Down  Same  Up
0    A    Up        Up  Same     0     1   2
1    B    Up      Down    Up     1     0   2
2    C  Down      Down  Down     3     0   0

@幸运的是，我们不在亚原子水平，因此我不期望有0.5个计数；）。这是宽数据集与长数据集问题的经典示例。当前，您有不同的指示符作为共享相同数据值的命名列，然后希望将值计数聚合为新列。最佳做法是将源数据重塑为可扩展且高效的长格式，然后运行
groupby
value counts。
from collections import Counter

counts = pd.DataFrame(df[['Crime', 'Pollution', 'Jobs']].apply(Counter, axis=1).tolist())\
           .fillna(0).astype(int)

df = df.join(counts)

print(df)

  City Crime Pollution  Jobs  Down  Same  Up
0    A    Up        Up  Same     0     1   2
1    B    Up      Down    Up     1     0   2
2    C  Down      Down  Down     3     0   0