如何用Pandas对独热编码的电影类型列批量分组统计评分次数？

当然可以一次性选中所有类型列，而且这个方法完全能处理一部电影属于多种类型的情况，下面是具体的实现步骤：

1. 自动识别所有类型列 #

首先我们不需要手动输入所有类型列名，可以通过排除非类型列（MovieID和rating）来自动获取：

# 获取所有类型列（排除MovieID和rating）
genre_columns = data.columns.difference(['MovieID', 'rating'])

2. 统计各类型的评分次数 #

因为你的数据是独热编码格式（1代表电影属于该类型，0代表不属于），所以每个类型列的求和结果就是该类型被评分的次数——每一个1都对应一部有评分的该类型电影，而且如果一部电影属于多个类型，每个对应类型的计数都会加1，完美解决多类型电影的统计问题。

具体代码如下：

# 对每个类型列求和，得到评分次数
number_of_ratings = data[genre_columns].sum().reset_index()
# 重命名列名以匹配预期输出
number_of_ratings.columns = ['Genre', 'Number of times rated']

验证你的示例数据 #

用你提供的DataFrame运行这段代码，会得到完全符合预期的结果：

额外处理：如果存在无评分的电影 #

如果你的数据中有rating为空的行（即电影有类型但未被评分），可以先过滤掉这些行再统计：

# 过滤掉没有评分的记录
filtered_data = data.dropna(subset=['rating'])
# 再进行统计
number_of_ratings = filtered_data[genre_columns].sum().reset_index()
number_of_ratings.columns = ['Genre', 'Number of times rated']

内容的提问来源于stack exchange，提问作者Rulli