如何用Pandas统计多列中三类字符串出现次数并生成新列？

问题需求 #

需要新增Received_money列，统计每行中所有Job列里值为Yes、Partial或paid的出现次数；同时要批量选中15个Job列，无需手动逐个指定列名。

示例数据 #

import pandas as pd
  
# 初始化数据
data = [['tom', "Yes", "No"], ['nick', "Partial", "Yes"], ['juli', "No", "No"]]
  
# 创建DataFrame
df = pd.DataFrame(data, columns=['Name', 'Job1', 'Job2'])

完整解决方案代码 #

# 批量筛选所有以Job开头的列
job_cols = df.columns[df.columns.str.startswith('Job')]

# 统计每行符合条件的次数
df['Received_money'] = df[job_cols].isin(['Yes', 'Partial', 'paid']).sum(axis=1)

代码说明 #

• 批量选择Job列
  利用df.columns.str.startswith('Job')匹配所有列名以Job开头的列，自动获取全部15个Job列，无需手动罗列Job1至Job15，结果job_cols会包含所有符合条件的列名列表。
• 扩展统计符合条件的值
  df[job_cols].isin(['Yes', 'Partial', 'paid'])会将每个符合条件的单元格标记为True，不符合的标记为False；再用sum(axis=1)对每行的True值求和（True等价于1，False等价于0），直接得到每行符合条件的次数。

运行结果 #

内容的提问来源于stack exchange，提问作者wick