如何将拆分扩展后的DataFrame列值转换为频次统计新列？

我通过拆分某一列并扩展创建了一个新的DataFrame。现在我想要转换该DataFrame，为每个值创建新列，并仅展示该值的出现频次。

示例DataFrame #

import pandas as pd
import numpy as np

df = pd.DataFrame({
    0: ['cake','fries', 'ketchup', 'potato', 'snack'],
    1: ['fries', 'cake', 'potato', np.nan, 'snack'],
    2: ['ketchup', 'cake', 'potatos', 'snack', np.nan],
    3: ['potato', np.nan,'cake', 'ketchup',np.nan],
    'index': ['james','samantha','ashley','tim', 'mo']
})

df.set_index('index')

预期输出 #

output = pd.DataFrame({
    'cake': [1, 2, 1, 0, 0],
    'fries': [1, 1, 0, 0, 0],
    'ketchup': [1, 0, 1, 1, 0],
    'potatoes': [1, 0, 2, 1, 0],
    'snack': [0, 0, 0, 1, 2],
    'index': ['james', 'samantha', 'ashley', 'tim', 'mo']
})

output.set_index('index')

解决方案 #

可以通过Pandas的stack()、groupby()和unstack()方法实现需求，步骤如下：

• 将index列设为数据框索引，方便按用户分组统计
• 用stack()把每行多列数据转成长格式，自动忽略空值NaN
• 按原索引分组，统计每个值的出现次数
• 用unstack()转回宽格式，空值用0填充
• 若需要统一近似值（比如示例中的potato和potatos），先做替换处理

完整代码 #

import pandas as pd
import numpy as np

# 初始化原数据框
df = pd.DataFrame({
    0: ['cake','fries', 'ketchup', 'potato', 'snack'],
    1: ['fries', 'cake', 'potato', np.nan, 'snack'],
    2: ['ketchup', 'cake', 'potatos', 'snack', np.nan],
    3: ['potato', np.nan,'cake', 'ketchup',np.nan],
    'index': ['james','samantha','ashley','tim', 'mo']
}).set_index('index')

# 统一近似值，匹配预期输出中的potatoes
stacked_data = df.stack().replace({'potato': 'potatoes', 'potatos': 'potatoes'})

# 按用户分组统计各值出现次数
counts = stacked_data.groupby(level=0).value_counts()

# 转换为宽格式并填充空值为0
result = counts.unstack(fill_value=0)

# 调整列顺序以匹配预期输出（可选）
result = result[['cake', 'fries', 'ketchup', 'potatoes', 'snack']]

print(result)

运行结果 #

cake  fries  ketchup  potatoes  snack
index                                          
james        1      1        1         1      0
samantha     2      1        0         0      0
ashley       1      0        1         2      0
tim          0      0        1         1      1
mo           0      0        0         0      2

内容的提问来源于stack exchange，提问作者Nazar