如何在Pandas中统计各列唯一值的列内出现次数并按元素汇总？
2026-8-19
问题描述
假设我有如下DataFrame：
| Index | one | two | three |
|---|---|---|---|
| First | A | B | C |
| Second | C | A | B |
| Third | B | A | C |
我期望得到 df.iloc[:,1:] 各列中唯一值的计数结果，如下表格所示：
| Item | one | two | three |
|---|---|---|---|
| A | 1 | 2 | 0 |
| B | 1 | 1 | 1 |
| C | 1 | 0 | 2 |
计数说明：
| Item | one | two | three |
|---|---|---|---|
| A | 1（第1列仅1个A） | 2（第2列有2个A） | 0（第3列无A） |
| B | 1（第1列仅1个B） | 1（第2列仅1个B） | 1（第3列有1个B） |
| C | 1（第1列仅1个C） | 0（第2列无C） | 2（第3列有2个C） |
我尝试过以下两种方法，但效果不理想：
df3.iloc[:,1:].value_counts().to_frame('counts').reset_index()df[df.columns[1:]].value_counts()
逐个遍历列执行 .value_counts() 再整理的方法太繁琐，因为各列结果顺序不一致，请问该如何正确实现需求？
解决方案
可以用 pd.DataFrame.apply 结合 value_counts，统一索引并填充缺失值为0，最后调整索引名称即可：
import pandas as pd # 构造示例DataFrame df = pd.DataFrame( {'one': ['A', 'C', 'B'], 'two': ['B', 'A', 'A'], 'three': ['C', 'B', 'C']}, index=['First', 'Second', 'Third'] ) # 提取目标列并计算各列值计数 result = df.iloc[:, 1:].apply(pd.Series.value_counts).fillna(0).astype(int) # 设置索引名称 result.index.name = 'Item' print(result)
执行后输出结果完全符合需求：
two three Item A 2 0 B 1 1 C 0 2
代码解释
df.iloc[:,1:]：提取从第2列开始的所有目标列.apply(pd.Series.value_counts)：对每一列执行值计数，自动按各列的唯一值生成索引.fillna(0)：将不存在的值对应的计数填充为0.astype(int)：把浮点型的计数转为整数类型result.index.name = 'Item'：给索引设置名称，匹配期望的表格格式
如果需要把Item作为普通列而非索引，只需执行result.reset_index()即可。
内容的提问来源于stack exchange，提问作者Sudoh
相关产品推荐
相关产品推荐
