Question

我的df以下

B      C     D         E
2      2     4         11    
11     0     5         3
12     10    1         11
5      9     7         15

第一，我想要整个df的唯一值，如下所示：

[0,1,2,3,4,5,7,9,10,11,12,15]

那我想要最终的输出

value  value exists in number of col
0           1
1           1
2           2
3           1
4           1
5           1
7           1
9           1
10          1
11          2
12          1
15          1

表示每个值，其可用的列数我想要那个输出

Answer 1

使用python，您可以执行以下操作：

# your input df as a list of lists
df = [[2,11,12,5], [2,0,10,9], [4,5,1,7], [11,3,11,15]]

#remove duplicates in each list
dfU = [list(set(l)) for l in df]

# sort each list (not required for this approach)
for l in dfU: 
    l.sort()

# the requested unique list
flatList = [item for sublist in df for item in sublist]
uniqueList = list(set(flatList))
print(uniqueList)

# output as a list of lists
output = []
for num in uniqueList:
    cnt = 0
    for idx in range(len(dfU)):
        if dfU[idx].count(num) > 0:
            cnt+=1
    output.append([num,cnt])

print(output)

请注意，count函数的计算量很大，因此最好对所有已排序的列进行线性扫描。

Answer 2

使用DataFrame.melt进行整形，删除两列中的重复项，并用GroupBy.size来计算DataFrame中的Series.reset_index：

df1 = (df.melt(value_name='value')
        .drop_duplicates()
        .groupby('value')
        .size()
        .reset_index(name='count'))
print (df1)
    value  count
0       0      1
1       1      1
2       2      2
3       3      1
4       4      1
5       5      2
6       7      1
7       9      1
8      10      1
9      11      2
10     12      1
11     15      1

详细信息：

print (df.melt(value_name='value'))
   variable  value
0         B      2
1         B     11
2         B     12
3         B      5
4         C      2
5         C      0
6         C     10
7         C      9
8         D      4
9         D      5
10        D      1
11        D      7
12        E     11
13        E      3
14        E     11
15        E     15

已删除索引11的一个14：

print (df.melt(value_name='value').drop_duplicates())
   variable  value
0         B      2
1         B     11
2         B     12
3         B      5
4         C      2
5         C      0
6         C     10
7         C      9
8         D      4
9         D      5
10        D      1
11        D      7
12        E     11
13        E      3
15        E     15

如果要使用纯python解决方案：

from collections import Counter

L = sorted(Counter([y for x in df.T.values for y in set(x)]).items())

df1 = pd.DataFrame(L, columns=['value','count'])
print (df1)
    value  count
0       0      1
1       1      1
2       2      2
3       3      1
4       4      1
5       5      2
6       7      1
7       9      1
8      10      1
9      11      2
10     12      1
11     15      1

如果值在给定列表中存在于多列中，并计算列数

2 个答案: