如何在Pandas中基于单元格值创建并填充Freq_1与Freq_2统计列

要实现你需要的功能，其实可以利用Pandas里的eq()方法和按行求和的操作，非常简洁高效。

首先，先回顾下你的DataFrame结构：

import pandas as pd
d = {'feature1': [1, 22,45,78,78], 'feature2': [33, 2,2,65,65], 'feature3': [100, 2,359,87,2],}
df = pd.DataFrame(data=d)

输出的df是：

feature1  feature2  feature3
0         1        33       100
1        22         2         2
2        45         2       359
3        78        65        87
4        78        65         2

接下来，我们直接用两行代码就能创建并填充Freq_1和Freq_2列：

# 统计每行中数字1的出现次数，赋值给Freq_1
df['Freq_1'] = df.eq(1).sum(axis=1)
# 统计每行中数字2的出现次数，赋值给Freq_2
df['Freq_2'] = df.eq(2).sum(axis=1)

代码解释： #

• df.eq(1)：会生成一个和原df结构相同的布尔DataFrame，所有等于1的元素位置为True（对应数值1），其他为False（对应数值0）。
• .sum(axis=1)：按行对布尔值求和，本质就是统计每行中True的数量，也就是目标数字的出现次数。
• 最后把求和结果直接赋值给新列，Pandas会自动匹配行索引完成赋值。

执行完代码后，你的df会变成：

feature1  feature2  feature3  Freq_1  Freq_2
0         1        33       100       1       0
1        22         2         2       0       2
2        45         2       359       0       1
3        78        65        87       0       0
4        78        65         2       0       1

完全符合你要求的规则：第一行Freq_1是1，其他行是0；Freq_2第一行是0，第二行是2，第三和第五行是1，第四行是0。

如果以后需要统计其他数字的出现次数，只需要把eq()里的数字换成目标数字就行，非常灵活。

内容的提问来源于stack exchange，提问作者Giampaolo Levorato