Python 跨所有列计算数据帧的多个值

如何计算整个数据帧中多个值的出现次数？有没有一种方法可以在没有for循环的情况下实现

Ex=统计数据帧所有列中的所有0和-1

我在想类似df.apply.count（0，-1）的东西

谢谢

设置

numpy.inad

这应该很快

np.in1d(df.values, [0, -1]).sum()

29

---

@山德普卡达帕 与

np.inad（df.values，[0，-1]）.sum（）的性能类似


numpy.inad
带
np.count\u非零
这应该很快（呃）


applymap
+
set.\uuu包含\uuuu
+
numpy.sum
这有点厚颜无耻

df.applymap({0, -1}.__contains__).values.sum()

29

安装程序
numpy.inad
这应该很快

np.in1d(df.values, [0, -1]).sum()

29


@山德普卡达帕
与
np.inad（df.values，[0，-1]）.sum（）的性能类似


numpy.inad
带
np.count\u非零
这应该很快（呃）


applymap
+
set.\uuu包含\uuuu
+
numpy.sum
这有点厚颜无耻

df.applymap({0, -1}.__contains__).values.sum()

29

简单使用
melt
和
值\u计数

df.melt().value.value_counts()

或

简单使用
melt
和
值\u计数

df.melt().value.value_counts()

或

欢迎来到StackOverflow！请阅读（特别是）以获得良好的响应。欢迎来到StackOverflow！请阅读（特别是）以获得良好的响应。
np.count\u nonzero（np.inad（df.values，[0，-1]）
是提供的所有解决方案中最快的。此外，添加
np.isin（df.values.ravel（），[0，-1]）.sum（）
这与
np inad（df.values，[0，-1]）.sum（）的性能几乎相同
我想它也在做同样的事情（：不确定核心功能，我只是建议不要留下任何可能的基于numpy的解决方案供参考。
np.count\u nonzero（np.inad（df.values，[0，-1]）
是所有提供的解决方案中最快的。另外，添加
np.isin（df.values.ravel（），[0，-1]）.sum（）
这与
np.inad（df.values，[0，-1]）.sum（）的性能几乎相同。
我想它在幕后也做着同样的事情（-：不确定核心功能，我只是建议不要留下任何可能的基于numpy的解决方案供参考。
np.unique(a.values.ravel(),return_counts=True)
Out[292]: (array([1, 2, 3, 5], dtype=int64), array([3, 1, 1, 1], dtype=int64))