如何统计问卷数据集分类值并将统计结果转换为新数据集？

你可以通过以下几种方法将统计结果整合为目标格式的数据集：

方法1：基于你的现有循环修改 #

直接在已有的循环逻辑上扩展，把每个问题的统计结果存入字典，最后转为DataFrame：

import pandas as pd

# 假设原始数据已存入test_df
question_cols = test_df.columns[1:]  # 排除"客户ID（Client_Id）"列

# 初始化字典存储统计结果
stats_data = {
    'Yes': [],
    'No': []
}

for c in question_cols:
    d = test_df[c].value_counts().reindex(['Yes', 'No'], fill_value=0)
    stats_data['Yes'].append(d['Yes'])
    stats_data['No'].append(d['No'])

# 转换为目标格式的DataFrame
final_df = pd.DataFrame(stats_data, index=['Yes', 'No']).reset_index()
final_df.columns = ['回答（Response）'] + list(question_cols)

方法2：用pandas的apply简化代码 #

无需循环，直接对所有问题列应用统计逻辑，再调整格式：

import pandas as pd

question_cols = test_df.columns[1:]
# 对每个问题列统计Yes/No数量，转置后调整结构
stats_df = test_df[question_cols].apply(
    lambda x: x.value_counts().reindex(['Yes', 'No'], fill_value=0)
).T.reset_index()

# 转置为目标格式
final_df = stats_df.set_index('index').T.reset_index()
final_df.columns = ['回答（Response）'] + list(question_cols)

方法3：用melt+pivot_table实现 #

通过将宽表转长表，再透视统计的方式生成结果：

import pandas as pd

# 将原始宽表转为长表
melted_df = test_df.melt(
    id_vars='客户ID（Client_Id）',
    var_name='问题',
    value_name='回答'
)

# 透视统计每个问题的Yes/No数量
final_df = melted_df.pivot_table(
    index='回答',
    columns='问题',
    values='客户ID（Client_Id）',
    aggfunc='count',
    fill_value=0
).reset_index()

final_df.columns = ['回答（Response）'] + list(test_df.columns[1:])

运行任意一种方法后，final_df就是你需要的目标格式数据集。

内容的提问来源于stack exchange，提问作者aisaacs9