什么是 pythonic 方式（pandas 中的本机函数）来计算案例中某个值的出现次数（相当于 SPSS COUNT）？

Question

我需要计算每个案例的一系列列中某个值（假设它是 3）的出现次数。为此，我编写了如下脚本：

import pandas as pd
import numpy as np

objsourcedf = pd.DataFrame({"a": [1, 2, 2], "b": [3, 1, 1], 
                            "c": [3, 2, 1], "d": [4, 3, 8]})
print(objsourcedf)

objauxdf = objsourcedf.transpose()
objauxdf.loc["counts"] = np.sum(objauxdf == 3)  

objsourcedf = objsourcedf.assign(counts=list(objauxdf.loc["counts"]))
print(objsourcedf)

第一个print是：

   a  b  c  d
0  1  3  3  4
1  2  1  2  3
2  2  1  1  8

第二个：

   a  b  c  d  counts
0  1  3  3  4       2
1  2  1  2  3       1
2  2  1  1  8       0

尽管它工作正常，但我很确定有一种更 pythonic 的方法可以做到这一点。 'pythonic' 我的意思是使用本机的、简洁的 pandas 功能并且没有循环通过 columns/rows。例如，在 SPSS 中有一个简单的 count 命令，因此关于此 objsourcedf 这一行将是：

count counts = a b c d (3).
execute.

遗憾的是，作为 Python 和 pandas 的初学者，我找不到任何东西，所以我想问你是否有更简单的方法来获取事件？

Answer 1

我希望这符合“Pythonic”的要求：

objsourcedf['count'] = objsourcedf.eq(3).sum(axis=1)

什么是 pythonic 方式（pandas 中的本机函数）来计算案例中某个值的出现次数（相当于 SPSS COUNT）？

What's a pythonic way (native function in pandas) to count occurrences of a certain value within cases (SPSS COUNT equivalent)?

python

spss

python-3.x

pandas