熊猫按count_values汇总为行

Question

我正在尝试按数据帧中不同列中的类别汇总一些数据。这是数据。

         feature1  feature2  featurem
brand1   good      none      good
brand2   bad       good      bad
brand..  none      none      good
brandn   good      none      none

我想要一个表格，向我显示每个功能有多少（好，坏，无）。这样就可以告诉我，有多少个品牌在功能1上有优势，在功能1上有劣势，而在功能1上没有，等等。

例如，我知道，

df["feature1"].value_counts() 

我可以分别为每个功能获取这些值，但是我想将其添加到具有所有功能的新数据框中。我该怎么办？

结果表如下：

Answer 1

尝试使用apply并传递pd.Series.value_counts：

df = pd.DataFrame({'feature '+str(i):np.random.choice(['Good','Bad','none'], 20) for i in range(1,10)})

df.apply(pd.Series.value_counts)

输出：

      feature 1  feature 2  feature 3  feature 4  feature 5  feature 6  \
Bad           6         12          6         10          6          4   
Good          6          2          8          5          6          9   
none          8          6          6          5          8          7   

      feature 7  feature 8  feature 9  
Bad           3          6          7  
Good          3          6          4  
none         14          8          9  

Answer 2

这是melt + crosstab

m = df.melt()
pd.crosstab(m['value'], m['variable'])

variable  feature 1  feature 2  feature m
value
bad               1          0          1
good              2          1          2
none              1          3          1