我有一个这样布置的DataFrame data：
Observation A_1 A_2 A_3 B_1 B_2 B_3
Obs1 yes no yes no no no
Obs2 no no no yes yes yes
Obs3 yes yes yes yes yes yes
目标：计算所有标记为“是”的观测值的频率，这些观测值是：
仅在“ A”样本中
仅在“ B”样本中
两组
编辑：这意味着对于前两个计数，我需要排除A和B组都包含“是”的观测值（请参阅第三行）。
我考虑过使用
groupby：grouper = data.groupby(lambda x: x.split("_")[0], axis=1)
grouped = grouper.agg(lambda x: sum(x == "yes"))
但是我有按行划分的计数，这不是我想要的。
最好的行动理由是什么？
编辑：根据要求，有关输出的更多信息。我想要类似的东西
Frequency of valid [meaning "yes"] observations in group A: X
Frequency of valid observations in group "B": Y
Frequency for all valid observations: Z
X，Y和Z是返回的计数。
对于个别观察，我不关心此特定输出。我对所有这些价值观都感兴趣。
最佳答案
In [129]: a = ['A_1', 'A_2', 'A_3']
In [130]: b = ['B_1', 'B_2', 'B_3']
In [131]: ina = (df[a] == 'yes').any(axis=1)
In [132]: inb = (df[b] == 'yes').any(axis=1)
In [133]: ina & ~inb
Out[133]:
Observation
Obs1 True
Obs2 False
Obs3 False
dtype: bool
In [134]: ~ina & inb
Out[134]:
Observation
Obs1 False
Obs2 True
Obs3 False
dtype: bool
In [135]: ina & inb
Out[135]:
Observation
Obs1 False
Obs2 False
Obs3 True
dtype: bool
可以使用value_counts进行计数：（ina和inb）.value_counts（）[真]