python - Pandas 中的数据框转换

Question

我正在尝试获取 python 数据框中某些列的频率计数。我有一个看起来像这样的数据框

<表类=“s-表”> <标题> 动物 正文部分 1 正文部分 2 正文部分 3 <正文> 猴子 尾部 头 腿 大象 头 尾部 主干 猴子 耳朵 头 腿 大象 眼睛 尾部 腿

我正在寻找的输出是获取相应动物的每个 body 部位的计数(如下所示)。不同 body 部位的值成为行，独特的动物成为列，每个单元格表示该动物 body 部位出现的次数。 它是数据透视表的一种形式，但不确定在 python 中应用的正确方法是什么。

      | Monkey| Elephant
-------------------------
Tail  | 1     | 2
Head  | 2     | 1
Legs  | 2     | 1
Ears  | 1     | 0
Trunk | 0     | 1      

Answer 1

一种方法是融合数据，然后groupby().value_counts()

(df.melt('Animal')
   .groupby('Animal')
   ['value'].value_counts()
   .unstack('Animal', fill_value=0)
)

输出:

Animal  Elephant   Monkey 
value                     
Ears            0        1
Eyes            1        0
Head            1        2
Legs            1        2
Tail            2        1
Trunk           1        0

---

选项 2:与选项 1 类似，使用 set_index().stack() 而不是 melt:

(df.set_index('Animal')
   .stack().groupby(level=0)
   .value_counts()
   .unstack(level=0, fill_value=0)
)

---

选项 3:与选项 1 类似，但使用 pd.crosstab:

tmp = df.melt('Animal')
out = pd.crosstab(tmp['value'], tmp['Animal'])

---

选项 4:在行上应用 Series.value_counts:

(df.set_index('Animal')
   .apply(pd.Series.value_counts, axis=1)
   .sum(level=0).T
)