Question

首先让我说我是熊猫的初学者。我有一个问题，其中我的初始数据帧如下所示。对于每个问题，我们都会记录3个答案中的任意一个（是，否或为什么）。

df = pd.DataFrame({'Qn1' : ['Yes', 'No', 'Why', 'No', 'Yes', 'No'],
               'Qn2' : ['No', 'No', 'Yes', 'Why', 'Why', 'Yes'],
               'Qn3' : ['Why', 'Why', 'Why', 'Yes', 'Yes', 'No'],
               'Qn4' : ['No', 'No', 'No', 'Yes', 'Yes', 'Why'],
              })

我们如何获得一个包含每个问题的答案数的数据框。例如：与下一个相似的df

.   Yes  No  Why
Qn1  5   2   1
Qn2  1   3   6
Qn3  0   4   2
Qn4  4   2   1

groupby（）适用于列，但无法使其正确地适用于行。

Answer 1

您可以将 apply 与 pd.value_counts 一起使用：

df.apply(pd.value_counts).T

     No  Why  Yes
Qn1   3    1    2
Qn2   2    2    2
Qn3   1    3    2
Qn4   3    1    2

如果缺少值，则会用NaN填充，因此，您可以 fillna ，如果可能的话：

df = pd.DataFrame({'Qn1': ['Yes'], 'Qn2': ['No'], 'Qn3': ['Why']})
df.apply(pd.value_counts).T

      No  Why  Yes
Qn1  NaN  NaN  1.0
Qn2  1.0  NaN  NaN
Qn3  NaN  1.0  NaN

# With fillna()
df.apply(pd.value_counts).T.fillna(0).astype(int)

     No  Why  Yes
Qn1   0    0    1
Qn2   1    0    0
Qn3   0    1    0

如果不是所有项目都在 any 列中，则可能需要定义CategoricalDtype：

df = pd.DataFrame({'Qn1': ['Yes'], 'Qn2': ['No'], 'Qn3': ['No']})
df.apply(pd.value_counts).T.fillna(0).astype(int)

# Missing 'why'
     No  Yes
Qn1   0    1
Qn2   1    0
Qn3   1    0

但是使用CategoricalDtype：

from pandas.api.types import CategoricalDtype

ct_type = CategoricalDtype(categories=['Yes', 'No', 'Why'], ordered=False)

df.astype(ct_type).apply(pd.value_counts).T.fillna(0).astype(int)

     No  Why  Yes
Qn1   0    0    1
Qn2   1    0    0
Qn3   1    0    0

如何将所有选择（例如，从调查中得出）计数为列

1 个答案: