如何统计DataFrame每行多列相同值数量及选择合适存储类型？

问题描述 #

我有一个以每月日期为列的DataFrame，每列对应日期的取值不同，示例如下：

Emp Number 01-Jul 02-Jul 03-Jul 04-Jul 05-Jul 06-Jul 07-Jul 08-Jul 09-Jul
   0     C1    WFH    WFH    WFH    WFH    WFH    WOH    WOH    WFH    WFH
   1     C2    WFH    WFH    WFH    WFH    WFH    WOH    WOH    WFH    WFH
   2     C3    WFH    WFH    WFH    WFH    WOH    WOH    WOH    WFH    WFH
   3     C4    WFH    WFH    WFH    WFH    WOH    WOH    WOH    WFH    WFH
   4     C5    WFH    WFH    WOH    WOH    WFH    WOH    WOH    WFH    WFH

希望得到如下格式的输出：

C1  WFH 7, WOH 2
C2  WFH 7, WOH 2
C3  WFH 6, WOH 3
C4  WFH 6, WOH 3
C5  WFH 5, WOH 4

请问如何遍历这些列统计数量，以及应该用什么数据类型存储输出？我曾尝试使用value_counts并将结果存入Series，但未成功。

解决方法 #

核心思路 #

无需手动遍历列，直接按行对日期列执行统计操作，再整理成目标格式。输出存储可选择字符串列表（方便打印）或字典（方便后续数据复用）。

代码实现 #

假设你的DataFrame名为df：

import pandas as pd

# 筛选日期列（排除'Emp Number'列）
date_columns = df.columns[1:]

# 按行统计WFH/WOH数量，补全缺失类别并转成整数类型
counts_df = df[date_columns].apply(pd.Series.value_counts, axis=1).fillna(0).astype(int)

# 生成目标格式的字符串列表
output_list = []
combined_df = df[['Emp Number']].join(counts_df)
for _, row in combined_df.iterrows():
    output_str = f"{row['Emp Number']}  WFH {row['WFH']}, WOH {row['WOH']}"
    output_list.append(output_str)

# 打印结果
for line in output_list:
    print(line)

存储输出的选项 #

• 字符串列表：如上述代码中的output_list，直接遍历打印就能得到目标格式，适合仅需输出展示的场景。
• 字典：若后续需要复用统计数据，可转成字典存储：

  output_dict = {}
  for _, row in combined_df.iterrows():
      output_dict[row['Emp Number']] = {'WFH': row['WFH'], 'WOH': row['WOH']}
  

  调用示例：output_dict['C1']['WFH']会返回7。

原尝试失败的原因 #

直接对单行使用value_counts得到的Series，可能因缺失类别（比如某员工没有WOH记录）导致索引不一致，合并时出现错误。上述代码通过fillna(0)补全缺失值，统一了列结构，解决了这个问题。

内容的提问来源于stack exchange，提问作者Rama