如何用Pandas统计多列中指定值（含未出现值）的出现次数？

先给出示例数据和依赖库：

import pandas as pd

foo = pd.DataFrame({'A':[False,False,True], 'B':[None, False, True], 'C': [None, None, None]})

要统计指定值（比如False、True、None）在每列的出现次数，哪怕列里没出现该值也要显示0，可以用以下方法：

# 定义需要统计的所有目标值
target_values = [False, True, None]

# 逐列统计，补全缺失值并填充0
count_result = foo.apply(
    lambda col: col.value_counts(dropna=False).reindex(target_values, fill_value=0)
).T

# 可选：给结果设置更清晰的命名
count_result.index.name = '列名'
count_result.columns = ['False', 'True', 'None']

print(count_result)

运行后输出结果：

False  True  None
列名                  
A        2     1     0
B        1     1     1
C        0     0     3

关键逻辑说明 #

• value_counts(dropna=False)：保留对None的统计，同时统计列内所有出现过的值的次数
• reindex(target_values, fill_value=0)：强制对齐所有目标值，列里没出现的目标值直接填充0，避免遗漏
• .T转置：把原来的列名转为行索引，统计值作为列，更符合“按列统计”的展示逻辑

为什么pivot_table会报错？ #

你之前用pivot_table出现KeyError: False，是因为某列（比如示例里的C列）完全没有False这个值，pivot_table找不到对应的索引项就会抛出错误。而上面的方法通过reindex主动补全所有需要统计的目标值，就不会出现这个问题。

内容的提问来源于stack exchange，提问作者euh