如何在Pandas中以name列为筛选条件统计A1-A3列值的重复次数

需求说明 #

现有如下数据：

需要按name列分组，统计A1至A3列中每个值（a/b/c/d）的重复次数，得到如下结果：

解决方案代码 #

import pandas as pd

# 构造示例数据
data = pd.DataFrame({
    'name': ['First', 'Second', 'First', 'First', 'First', 'Second'],
    'A1': ['a', 'b', 'a', 'a', 'a', 'b'],
    'A2': ['c', 'a', 'c', 'c', 'c', 'a'],
    'A3': ['d', 'a', 'd', 'd', 'd', 'a']
})

# 步骤1：将A1-A3列转为长格式
melted_data = data.melt(id_vars='name', value_vars=['A1', 'A2', 'A3'], value_name='value')

# 步骤2：按name和value分组统计数量
counts = melted_data.groupby(['name', 'value']).size().reset_index(name='count')

# 步骤3：转成宽格式，填充缺失值为0
result = counts.pivot_table(index='name', columns='value', values='count', fill_value=0)

# 步骤4：调整列的顺序为a、b、c、d（确保和需求格式一致）
result = result[['a', 'b', 'c', 'd']].reset_index()

print(result)

代码解释 #

• melt函数：把原宽表（A1/A2/A3为列）转成长表，每一行对应name和某一列的取值，实现多列值的统一统计。
• groupby+size：按name和value分组，统计每组行数，即每个值在对应name组内的出现次数。
• pivot_table：将长表转回宽表，把value作为列，缺失的组合（比如First组没有b）填充为0，保证所有目标值都有对应列。
• 调整列顺序：确保输出列按a、b、c、d排列，匹配需求的结果格式。

输出结果 #

运行代码后得到：

name  a  b  c  d
0   First  4  0  4  4
1  Second  4  2  0  0

内容的提问来源于stack exchange，提问作者Init5 God