Python 无法基于具有groupby的少数列统计dataFrame中值的出现次数

我有一个数据帧：

id   colA  colB  colC  
194    1    0     1
194    1    1     0
194    2    1     3
195    1    1     2
195    0    1     0
197    1    1     2

我希望通过id计算每个值组的出现率。在我的情况下，预期结果是：

id   countOfValue0    countOfValue1   countOfValue2   countOfValue3
194       2                 3                1              1
195       1                 2                1              0
197       0                 1                1              0

如果值出现在同一行中-逐行显示不同的值（这就是为什么我有for id=194，value1=3） 我想使用group by id colA、id colB、id colC将数据分成3个数据帧 类似于=df.groupby（'id'，'colaA'），但我找不到基于id计算这些数据帧值的正确方法。可能有更有效的方法来实现这一点

试试：

res=df.set_index（“id”，append=True）.stack（）\
.reset_索引（级别=0）。reset_索引（级别=1，下降=True）\
.drop_duplicates（）.assign（_dummy=1）\
.rename（列={0:“countOfValue”}）\
.pivot_表（index=“id”，columns=“countOfValue”，values=“\u dummy”，aggfunc=“sum”）\
.fillna（0）.astype（int）
res=res.add_前缀（“countOfValue”）
del res.columns.name

产出：

countOfValue0。。。价值计数3
身份证件
194              2  ...              1.
195              1  ...              0
197              0  ...              0

很高兴听到：）请将其标记为答案，然后结束问题。