计算pandas数据帧中包含n个值的行数

Question

我正在使用一个表格，其中列出了对患者执行的程序，每行代表一名患者。 我需要做的是计算有多少患者接受相同的手术组合。 也就是说，在每一行中出现过程[A，B]或[A，B，Z]。 订单无关紧要。

所以假设这个示例表，我尝试以下列方式使用.isin（）方法：

d = {'col1': ['A', 'A', 'B',], 'col2': ['B', 'D', 'C'], 'col3': ['C', '','X',]}
df = pd.DataFrame(data=d)
print(df)
  col1 col2 col3
0    A    B    C
1    A    D     
2    B    C    X

我想得到一个列表，给出两个程序，每个程序执行多少次：

dx1 = ['A', 'B']
df[df.isin(dx1).any(1)].apply(pd.value_counts).sum(axis=1).sort_values(ascending=False)

但是我得到了一个列表，列出每个程序分别执行多少次，并将它们加在一起（而不是“和”将“或”作为条件）

C    2.0
H    1.0
D    1.0
A    1.0
     1.0
dtype: float64

我需要的是提供一个除A和B以外的程序执行次数的列表，在这种情况下它应该是：

C    1.0
dtype: float64

非常感谢你提前估计。

Answer 1

由于您不关心订单，因此套装应解决您的问题：

d = {'col1': ['A', 'A', 'B',], 'col2': ['B', 'D', 'C'], 'col3': ['C', '','X',]}
df = pd.DataFrame(data=d)
dx1 = ['A', 'B']
df["procedures"] = df.apply(lambda x: [x.col1, x.col2, x.col3], axis=1)
df["contains_dx1"] = df.procedures.apply(lambda x: set(dx1).issubset(set(x)))

Answer 2

使用functools.reduce ， melt ， isin和value_counts ：from来尝试这段代码

from functools import reduce
import pandas as pd
d = {'col1': ['A', 'A', 'B',], 'col2': ['B', 'D', 'C'], 'col3': ['C', '','X',]}
df = pd.DataFrame(data=d)
dx1 = ['A', 'B']
df_bool = reduce(lambda a,b: a | b, [df == i for i in dx1])
s = df[df_bool.sum(1).gt(1)].melt()['value'].value_counts()

s[~s.index.isin(dx1)]

输出：

C    1
Name: value, dtype: int64