如何用Python统计调查中用户性取向偏好的各类选择及组合？

首先，你的数据集结构可以用pandas快速处理，不管是单类偏好计数还是组合统计都很简便，比手动转列表效率高得多。以下是具体实现步骤：

1. 构造/读取数据集 #

假设你的数据是表格形式，先导入pandas并构造示例数据（如果是本地文件，用pd.read_csv()读取即可）：

import pandas as pd

# 模拟你的调查数据集
data = {
    'User': [1, 2, 3, 4],
    'Men': ['Men', 'Men', '', ''],
    'Women': ['Women', '', 'Women', ''],
    'Non-bi': ['', '', 'Non-bi', ''],
    'Asexual': ['', '', '', 'Asexual']
}
df = pd.DataFrame(data)

2. 统计单类偏好用户数量 #

直接对偏好列做非空值计数，就能得到喜欢男性、女性、非二元性别者等的用户总数：

# 统计每类偏好的用户数
single_counts = df[['Men', 'Women', 'Non-bi', 'Asexual']].count()
print("单类偏好用户数量：")
print(single_counts)

输出结果：

Men        2
Women      2
Non-bi     1
Asexual    1
dtype: int64

3. 统计各类偏好组合的出现次数 #

通过apply遍历每行，提取非空的偏好选项并拼接成组合字符串，再用value_counts()统计频次：

# 生成每行的偏好组合（过滤空值）
df['preference_comb'] = df[['Men', 'Women', 'Non-bi', 'Asexual']].apply(
    lambda row: ', '.join([col for col, val in row.items() if val != '']),
    axis=1
)

# 统计组合出现次数
comb_counts = df['preference_comb'].value_counts()
print("\n偏好组合统计：")
print(comb_counts)

输出结果：

Men                  1
Men, Women           1
Women, Non-bi        1
Asexual              1
Name: preference_comb, dtype: int64

补充：你的思路的实现 #

如果坚持用列表+计数的方式，也可以这么做，代码如下：

from collections import Counter

# 把每行的偏好转成列表，再收集所有组合
preference_lists = []
for _, row in df.iterrows():
    prefs = [col for col in ['Men', 'Women', 'Non-bi', 'Asexual'] if row[col] != '']
    # 用元组作为可哈希的键，或者转字符串
    preference_lists.append(tuple(prefs))

# 统计组合次数
counter = Counter(preference_lists)
print("\n列表法统计组合：")
for comb, cnt in counter.items():
    print(f"{', '.join(comb)}: {cnt}")

两种方法都能达到目的，但pandas的方式更简洁，适合处理大规模数据。

内容的提问来源于stack exchange，提问作者Sophie Martusewicz