计算 Pandas 数据框中每一行的条件

Question

我有这个数据框：

   Char1  Char2  Char3
0      2      2      3
1      2      3      3
2      2      3      3
3      2      2      2

我需要创建三列（_1、_2、_3），每列分别统计每行中值 1、2 和 3 的出现次数。

所以输出看起来像这样：

   Char1  Char2  Char3  _1  _2  _3
0      2      2      3   0   2   1
1      2      3      3   0   1   2
2      2      3      3   0   1   2
3      2      2      2   0   3   0

例如：

第 _1 列始终等于 0，因为任何行中都没有 1
对于列 _2：
- 第一行等于2，因为第一行有两个2
- 第二行等于1，因为第二行有一个2
- 等等.....

如何在 Python 中编写代码？

我已经尝试过此代码（仅适用于 _1）：

df['_1'] = df[df.Char1 == 1].sum() + df[df.Char2 == 1].sum() + df[df.Char3 == 1].sum()

但我得到“NaN”。

DF构造函数：

df = pd.DataFrame({'Char1':[2,2,2,2], 'Char2':[2,3,3,2], 'Char3':[3,3,3,2]})

Answer 1

您可以遍历 [1,2,3] 并在轴上使用 eq 来识别带有数字的单元格，并在列中使用 sum 来获得总数：

for num in [1,2,3]:
    df[f"_{num}"] = df[['Char1','Char2','Char3']].eq(num, axis=1).sum(axis=1)

输出：

   Char1  Char2  Char3  _1  _2  _3
0      2      2      3   0   2   1
1      2      3      3   0   1   2
2      2      3      3   0   1   2
3      2      2      2   0   3   0

Answer 2

我们可以通过将字典理解传递给 df.assign 来简洁地完成此操作，其中字典键是列名，字典值是列系列：

df = df.assign(**{f'_{x}': df.eq(x, axis=1).sum(axis=1) for x in [1, 2, 3]})

#    Char1  Char2  Char3  _1  _2  _3
# 0      2      2      3   0   2   1
# 1      2      3      3   0   1   2
# 2      2      3      3   0   1   2
# 3      2      2      2   0   3   0

计算 Pandas 数据框中每一行的条件

Count conditions within each row in Pandas Dataframe

python

boolean-expression

dataframe

pandas