如何使用熊猫计算每列（每列）中一个值出现的次数？

Question

反正有没有使用熊猫来计算每一列中某个值出现的次数？

  

data = pd.DataFrame（{'userID'：['Luis'，'Mike'，'Harvey']，   'category1'：[真，假，真]，'category2'：[真，真，假]，   'category3'：[False，False，False]}）

比方说，我想计算每个类别的“ True”布尔值的数量，以得到以下回报：

 Category 1  -- Category 2 -- Category 3
      2             2              0

我该怎么做？

Answer 1

您可以通过sum的布尔掩码来计数发生次数-True的值类似于1 s的过程：

#count all columns without first to Series
print (data.iloc[:, 1:].sum().astype(int))

category1    2
category2    2
category3    0
dtype: int32

#or to one row DataFrame
df = data.iloc[:, 1:].sum().astype(int).to_frame().T

使用eq（==）的一般解决方案：

val = True
df = data.iloc[:, 1:].eq(val).sum().astype(int).to_frame().T
print (df)

   category1  category2  category3
0          2          2          0

Answer 2

a = dict(df.category1.value_counts()) 这会给您类似{True：20，False：15}

的输出