python - 更好的 Pandas 方法来计算不同列中值的频率

Question

我有一个 pandas.DataFrame，邮政编码分为两列。我只想用 value_counts() 计算所有邮政编码的出现次数。但他们在哪一栏对我来说并不重要。我需要 DataFrame 中所有 ZIPCODE 列的结果。

这是列中带有邮政编码的初始数据:

   ZIPCODE_A  ZIPCODE_B
0      10000      40000
1      20000      30000
2      20000      20000
3      10000      50000
4      30000      10000

最终的预期结果是:

       ZIPCODE_N
10000          3
20000          3
30000          2
40000          1
50000          1

问题

我的解决方案有效，但看起来很复杂。还有另一种更优雅的pandas方式来解决这个问题吗？

MWE

#!/usr/bin/env python3
import pandas as pd
0000
df = pd.DataFrame({'ZIPCODE_A': [10000, 20000, 20000, 10000, 30000],
                   'ZIPCODE_B': [40000, 30000, 20000, 50000, 10000]})

print(df)

a = df.ZIPCODE_A.value_counts()
b = df.ZIPCODE_B.value_counts()

a = pd.DataFrame(a)
b = pd.DataFrame(b)

r = a.join(b, how='outer')

r.loc[r.ZIPCODE_A.isna(), 'ZIPCODE_A'] = 0
r.loc[r.ZIPCODE_B.isna(), 'ZIPCODE_B'] = 0

r['ZIPCODE_N'] = r.ZIPCODE_A + r.ZIPCODE_B
r.ZIPCODE_N = r.ZIPCODE_N.astype(int)

del r['ZIPCODE_A']
del r['ZIPCODE_B']

print(r)

Answer 1

首先堆叠数据帧以将所有列的值包含在单个列中，然后调用value_counts()，如果需要，调用to_frame() code> 并传递新的列名称，即 ZIPCODE_N

>>> df.stack().value_counts().to_frame("ZIPCODE_N")

       ZIPCODE_N
10000          3
20000          3
30000          2
50000          1
40000          1