如何无需函数简化DataFrame三列重复值统计与合并代码？

假设你的原始DataFrame为df，可以通过以下一段代码完成需求：

import pandas as pd

# 合并三列的统计、补全缺失值并最终合并结果
result = (
    # 将A、B、C列转为长格式，统一处理
    df.melt(value_vars=['A', 'B', 'C'], var_name='col', value_name='val')
    # 统计每列各值的出现次数
    .groupby(['col', 'val'])
    .size()
    .reset_index(name='count')
    # 生成0到三列最大值的完整索引区间
    .set_index(['col', 'val'])
    .reindex(
        pd.MultiIndex.from_product(
            [['A', 'B', 'C'], range(0, df[['A', 'B', 'C']].max().max() + 1)],
            names=['col', 'val']
        )
    )
    # 缺失值填充为0
    .fillna(0)
    .astype(int)
    # 转回宽格式得到最终结果
    .unstack('col')
    .droplevel(0, axis=1)
    .reset_index()
)

核心逻辑说明： #

• 用melt将A、B、C列转为长表结构，把三列的处理逻辑统一，避免重复编写多段代码
• 通过groupby+size一次性完成三列各值的重复次数统计
• 利用pd.MultiIndex.from_product生成包含所有目标列、0到三列最大值区间的完整索引，通过reindex补全缺失值
• 最后将长表转回宽表结构，得到和你之前四段代码等价的合并结果

内容的提问来源于stack exchange，提问作者Patrick Parts