将列转换为行，将以前列的值\计数显示为列中的列值

Question

假设我有这个数据集。 每个变量可以假定值介于1和5之间。这些变量表示相似的对象，所以我想在所有数据集中比较它们

import pandas as pd
df = pd.DataFrame({'dataset': ["ds1", "ds2", "ds3", "ds4", "ds5"], 
                   'var1': [1, 4, 5, 3, 1], 
                   'var2': [2, 1, 1, 2, 5],
                   'var3': [2, 1, 1, 2, 5]})
df

我想使用.T转换df，并将数据汇总如下：

行：每行代表一个变量（var1到var3） 第1-5列：表示这些变量的值，每个单元格显示该值在所有数据集中出现的总数（var1.value\u计数）

示例：行1表示var1。第1列显示“1”在所有数据集中出现两次，第2列显示2出现0次

预期结果

         1 2 3 4 5
var1     2 0 1 1 1
var2     2 2 0 0 1
var3     2 2 0 0 1 

也许我需要使用交叉表或透视表？谢谢

Answer 1

将^{}与^{}和^{}一起使用：

df1 = (df.melt('dataset')
         .pivot_table(index='variable',
                      columns='value',
                      aggfunc='size',
                      fill_value=0)
         .rename_axis(index=None, columns=None))
print (df1)
      1  2  3  4  5
var1  2  0  1  1  1
var2  2  2  0  0  1
var3  2  2  0  0  1

或者对于没有使用转置的第一个value_counts的所有列，将缺少的值替换为0，最后将所有值转换为整数：

df = df.set_index('dataset').apply(pd.value_counts).T.fillna(0).astype(int)
print (df)
      1  2  3  4  5
var1  2  0  1  1  1
var2  2  2  0  0  1
var3  2  2  0  0  1
    

Answer 2

是的，crosstab在melt之后可以正常工作（或者在@jezrael的解决方案中，pivot table）：

tab = df.melt("dataset")

pd.crosstab(tab.variable, tab.value).rename_axis(index=None, columns=None)


        1   2   3   4   5
var1    2   0   1   1   1
var2    2   2   0   0   1
var3    2   2   0   0   1

是的，您可以使用normalize参数，并通过行（索引）或列选择是否需要它：

pd.crosstab(tab.variable, tab.value, normalize='all').rename_axis(index=None, columns=None)