python - 每个变量的堆栈和返回值计数？

Question

我有一个数据框，记录了 19717 人通过多项选择题选择编程语言的 react 。第一列当然是受访者的性别，其余的是他们选择的选项。数据框如下所示，每个响应都记录为与列相同的名称。如果没有选择响应，则结果为 NaN .

ID     Gender              Python    Bash    R    JavaScript    C++
0      Male                Python    nan     nan  JavaScript    nan
1      Female              nan       nan     R    JavaScript    C++
2      Prefer not to say   Python    Bash    nan  nan           nan
3      Male                nan       nan     nan  nan           nan

我想要的是一个基于 Gender 返回计数的表.因此，如果 5000 名男性用 Python 编码，3000 名女性用 JS 编码，那么我应该得到这个:

Gender              Python    Bash    R    JavaScript    C++
Male                5000      1000    800  1500          1000
Female              4000      500     1500 3000          800
Prefer Not To Say   2000      ...   ...    ...           860

我已经尝试了一些选项:

df.iloc[:, [*range(0, 13)]].stack().value_counts()

Male                       16138
Python                     12841
SQL                         6532
R                           4588
Female                      3212
Java                        2267
C++                         2256
Javascript                  2174
Bash                        2037
C                           1672
MATLAB                      1516
Other                       1148
TypeScript                   389
Prefer not to say            318
None                          83
Prefer to self-describe       49
dtype: int64

这不是如上所述的要求。这可以在 Pandas 中完成吗？

Answer 1

您可以melt并使用 crosstab

df1 = pd.melt(df,id_vars=['ID','Gender'],var_name='Language',value_name='Choice')
df1['Choice'] = np.where(df1['Choice'] == df1['Language'],1,0)
final= pd.crosstab(df1['Gender'],df1['Language'],values=df1['Choice'],aggfunc='sum')

print(final)
Language              Bash  C++  JavaScript  Python  R
Gender                                              
Female                  0    1           1       0  1
Male                    0    0           1       1  0
Prefer not to say       1    0           0       1  0