从与来自不同数据框的列索引值相对应的列表中创建一个新的计数数据框

Question

我有两个独特的列表，例如：

a = [12, 12, 12, 3, 4, 5]
b = [1, 2, 4, 5, 6, 12, 4, 7, 9, 2, 3, 5, 6]

df.columns
Index(['lep', 'eta', 'phi', 'missing energy magn', 'missing energy phi', 'jet]) etc

（显然，专栏比我在这里写的要长）。

列表 a 和 b 对应于列索引值。

我想用以下列创建一个新的 dataframe：

Index Value, Column Name, Count of a, Count of b

因此，如果'12'在列表a中出现三次，在列表b中出现两次并且对应于df中的'foo'，则新的dataframe中的相应行将返回：12, foo, 3, 2

我知道如何通过四个循环获取列表值的计数，但我不确定如何定位索引值

所需的 output 类似于（基于上述数据）：

new_df.head()

-索引、名称、count_a、count_b

• 0 点, 0, 0
• 1, eta, 0, 1
• 2, φ, 0, 2
• 3, 缺少能量弹匣, 1, 1
• 4 聚集能量 phi, 1, 1

Answer 1

您可以使用count()来计算列表中元素出现的次数，并使用enumerate()来遍历列表并记录迭代次数。

所以你的代码变成：

import pandas as pd

a = [12, 12, 12, 3, 4, 5]
b = [1, 2, 4, 5, 6, 12, 4, 7, 9, 2, 3, 5, 6]


elements = ['lep', 'eta', 'phi', 'missing energy magn', 'missing energy phi', 'jet']  # it is not necessary to declare it as an index, it is a simple list

df_data = []
for i, el in enumerate(elements):

    tmp_dict = {
        'name': el,
        'count_a': a.count(i),
        'count_b': b.count(i)
    }

    df_data.append(tmp_dict)

df = pd.DataFrame(df_data)
print(df)

Output 将是：

                  name  count_a  count_b
0                  lep        0        0
1                  eta        0        1
2                  phi        0        2
3  missing energy magn        1        1
4   missing energy phi        1        2
5                  jet        1        2

显然，无论列表中的元素数量如何，这种方法都有效。