什么是pythonic方式（pandas中的本機函數）來計算案例中某個值的出現次數（SPSS COUNT等價物）？

Question

我需要計算每個案例在一系列列中出現的某個值（假設它是3 ）。 為此，我編寫了如下腳本：

import pandas as pd
import numpy as np

objsourcedf = pd.DataFrame({"a": [1, 2, 2], "b": [3, 1, 1], 
                            "c": [3, 2, 1], "d": [4, 3, 8]})
print(objsourcedf)

objauxdf = objsourcedf.transpose()
objauxdf.loc["counts"] = np.sum(objauxdf == 3)  

objsourcedf = objsourcedf.assign(counts=list(objauxdf.loc["counts"]))
print(objsourcedf)

第一個print是：

   a  b  c  d
0  1  3  3  4
1  2  1  2  3
2  2  1  1  8

第二：

   a  b  c  d  counts
0  1  3  3  4       2
1  2  1  2  3       1
2  2  1  1  8       0

盡管它工作正常，但我很確定有一種更 Pythonic 的方法可以做到這一點。 'pythonic' 我的意思是使用原生的、簡潔的pandas功能並且不循環遍歷列/行。 例如，在 SPSS 中有一個簡單的count命令，因此對於這個objsourcedf這一行將是：

count counts = a b c d (3).
execute.

可悲的是，作為 Python 和pandas的初學者，我找不到任何東西，所以我問你是否有更簡單的方法來獲得出現？

Answer 1

我希望這符合“Pythonic”的條件：

objsourcedf['count'] = objsourcedf.eq(3).sum(axis=1)