如何聚合DataFrame拆分后三列的变量出现频率？

可以通过把拆分后的三列合并成单列，再统计总出现频率，这里提供几种实用方法：

方法1：用melt转长表后统计 #

melt能把多列转为单列格式，之后直接统计频率：

# 提取目标三列，重塑为长数据
melted_data = df8.melt(
    value_vars=['Key Features A', 'Key Features B', 'Key Features C'],
    value_name='Key Features'
)
# 计算总出现次数
total_freq = melted_data['Key Features'].value_counts()

方法2：直接拼接三列统计 #

把三列数据拼接成一个Series，再做频率统计：

# 合并三列数据
combined_features = pd.concat([
    df8['Key Features A'],
    df8['Key Features B'],
    df8['Key Features C']
])
# 统计总频率
total_freq = combined_features.value_counts()

额外提示 #

• 如果数据里有空值（NaN），可以加dropna=True忽略空值：

  total_freq = combined_features.value_counts(dropna=True)
  

• 其实你可以跳过拆分三列的步骤，直接从原始列统计，更高效：

  # 直接拆分原列并展平，统计总频率
  total_freq = df['Key Features'].str.split(',', expand=True).stack().value_counts()
  

内容的提问来源于stack exchange，提问作者Tez