Python DataFrame统计两列所有唯一值分别在两列的出现次数

实现方案（基于Pandas） #

完整可运行代码

import pandas as pd

# 构造测试数据，你可以替换为自己的实际DataFrame
df = pd.DataFrame({
    'ID': [1,2,3,4,5,6,7,8],
    'Expected': ['A','A','C','B','C','A','B','A'],
    'Actual': ['B','A','B','D','D','A','B','D']
})

# 方法1：双列统计直接合并（适合仅2列统计的场景）
exp_count = df['Expected'].value_counts()
act_count = df['Actual'].value_counts()

# 合并结果、补0、格式调整
result = pd.concat([exp_count, act_count], axis=1)\
           .fillna(0)\
           .astype(int)\
           .rename_axis('Value')\
           .reset_index()
print(result)

# 方法2：长表转换+交叉表（扩展性更强，适合多列统计场景）
melted = df.melt(value_vars=['Expected', 'Actual'], var_name='col', value_name='Value')
result2 = pd.crosstab(melted['Value'], melted['col']).reset_index().rename_axis(columns=None)
print(result2)

效果说明

两种方法最终输出的结果和你要求的结构完全一致：

• 方法1逻辑简单直接，分别统计两列频次后合并，用fillna(0)补全某列不存在的取值的计数
• 方法2扩展性更强，如果后续需要统计更多列的频次，仅需修改melt的value_vars参数即可，无需新增多个统计逻辑

内容的提问来源于stack exchange，提问作者ponnob