如何基于另一DataFrame为当前DataFrame每行统计学生类别数量？

首先，你的思路方向是对的——先建立学生到类别的映射，但缺少了按行统计各类别数量的关键步骤。我们可以分几步来实现需求：

步骤1：建立学生姓名到类别的映射 #

先从DataFrame2中提取Name到Category的对应关系，用字典存储会更方便后续替换：

# 假设你的DataFrame2命名为df_scores，DataFrame1命名为df_batches
category_map = df_scores.set_index('Name')['Category'].to_dict()

步骤2：将批次数据替换为对应类别 #

把df_batches里的每个学生姓名替换成他们的类别：

df_categories = df_batches.replace(category_map)

这一步之后，df_categories的内容会变成：

步骤3：按行统计各类别数量 #

接下来对每行做类别计数，并且要确保所有目标类别（Good、Average、Poor）都出现在结果中，缺失的补0：

counts = df_categories.apply(lambda row: row.value_counts().reindex(['Good', 'Average', 'Poor'], fill_value=0), axis=1)

这里用apply(axis=1)逐行处理，value_counts()统计每行的类别出现次数，reindex用来补全所有需要的类别并填充0。

步骤4：合并原数据和统计结果 #

最后把统计结果和原df_batches合并，得到你要的最终输出：

final_df = pd.concat([df_batches, counts], axis=1)

完整代码示例 #

把所有步骤整合起来，完整代码如下：

import pandas as pd

# 构造示例数据
df_batches = pd.DataFrame({
    's1': ['Stud1', 'Stud2', 'Stud1'],
    's2': ['Stud2', 'Stud4', 'Stud3'],
    's3': ['Stud3', 'Stud1', 'Stud4']
})

df_scores = pd.DataFrame({
    'Name': ['Stud1', 'Stud2', 'Stud3', 'Stud4'],
    'Point': [90, 80, 95, 55],
    'Category': ['Good', 'Average', 'Good', 'Poor']
})

# 执行步骤
category_map = df_scores.set_index('Name')['Category'].to_dict()
df_categories = df_batches.replace(category_map)
counts = df_categories.apply(lambda row: row.value_counts().reindex(['Good', 'Average', 'Poor'], fill_value=0), axis=1)
final_df = pd.concat([df_batches, counts], axis=1)

print(final_df)

运行后就会得到你期望的输出结果：

为什么你的原代码没生效？ #

你原来的代码df5.join(df5.replace(s).add_prefix('Type_'))只是把每个学生替换成类别并添加前缀，但没有做统计计数的操作，所以只会得到每行的类别列，而不是各类别的数量。我们上面的步骤补上了这个关键环节，就可以得到正确的统计结果啦。

内容的提问来源于stack exchange，提问作者Dev Ananth