python之计算列中的唯一值之pandas Python

这是我的数据集:

Unique_ID   No_of_Filings   Req_1   Req_2   Req_3   Req_4 
 RCONF045   3               Blue    Red     White   Violet 
 RCONF046   3               Blue    Red     White   Brown 
 RCONF047   3               Blue    Red     White   Brown 
 RCONF048   3               Black   Yellow  Green   N/A 
 RCONF051   4               Black   Yellow  Green   N/A 
 RCONF052   4               Black   Brown   Green   Orange 

我通过以下方式从最后 4 列(Req_1 到 Req_4)中提取了唯一值:

pd.unique(df1[["Req_1","Req_2","Req_3","Req_4"]].values.ravel("K")) 
 
Out[20]:  array(['Blue', 'Black', 'Red', 'Yellow', 'Brown', 'White', 'Green', 
       'Violet', nan, 'Orange'], dtype=object) 

这是我需要的输出。 Frequency = 它在最后四列中出现的次数(例如，黄色仅出现两次)和 Number of Filings = sum(No_of_Filings 如果要求在该行中)。例如，蓝色在前三行，所以是 3 + 3 + 3 = 9，棕色在第二、三、六行，所以是 3 + 3 + 4 = 10

Requirements    Frequency   Number of Filings 
   Blue            3              9 
   Black           3              11 
   Red             3              9 
   Brown           3              10 
   White           3              9 
   Green           3              11 
   Yellow          2              7 
   N/A             2              7 
   Violet          1              3 
   Orange          1              4 

如何使用 pandas 在上面新建的数据框中创建这两列？

谢谢

请您参考如下方法:

您可以使用 agg 沿着这些路线做一些事情，但它需要事先进行一些重新整形。获取方法如下:

agg_df = (df.fillna('N/A').set_index(['Unique_ID', 'No_of_Filings']) 
          .stack() 
          .reset_index('No_of_Filings') 
          .groupby(0) 
          .agg(['sum', 'size']) 
          .reset_index()) 
 
agg_df.columns = ['Requirements', 'Number of Filings', 'Frequency'] 
 
>>> agg_df 
  Requirements  Number of Filings  Frequency 
0        Black                 11          3 
1         Blue                  9          3 
2        Brown                 10          3 
3        Green                 11          3 
4          N/A                  7          2 
5       Orange                  4          1 
6          Red                  9          3 
7       Violet                  3          1 
8        White                  9          3 
9       Yellow                  7          2