python – 将行值转换为列,并计算所有可能值mysql的重复次数

我有一个表(来自日志文件)的电子邮件和其他三个列,其中包含该用户与系统交互的状态,电子邮件(用户)可能有100或1000个条目,每个条目包含这三个值组合,可能会重复同样的电子邮件和其他人.
看起来像这样：

+---------+---------+---------+-----+
| email |  val1   |  val2 |  val3   |
+---------+---------+---------+-----+
|jal@h  |  cast   | core  |   cam   |
|hal@b  |little ja| qar   |  ja sa  |
|bam@t  |  cast   | core  |   cam   |
|jal@h  |little ja| qar   |  jaja   | 
+---------+---------+---------+-----+

所以,电子邮件重复,所有值都重复,每列有40个可能的值,所有字符串.所以我想对不同的电子邮件进行排序,然后将所有可能的值作为列名称,并在其下计算特定电子邮件重复的这个值的数量,如下所示：

+-------+--------+--------+------+----------+-----+--------+-------+
| email | cast   |   core |  cam | little ja| qar |  ja sa | blabla |
+-------+--------+--------+------+----------+-----+--------+--------|
|jal@h  |  55    |   2    | 44   |   244    | 1   | 200    | 12     |
|hal@b  |  900   |  513   | 101  |   146    |  2  |  733   | 833    |
|bam@t  |  1231  |   33   | 433  |   411    | 933 | 833    | 53     |
+-------+--------+--------+------+----------+-----+--------+---------

我尝试过MysqL,但我设法为每封电子邮件计算一定值的总出现次数,但不计算每列中的所有可能值：

SELECT 
  distinct email,

  count(val1) as "cast"
FROM table1
where val1 = 'cast'
group by email

这个查询显然没有这样做,因为它仅从第一列’val1’的值’cast’输出,我正在寻找的是第一,第二和第三列中的所有不同值都被转换为列头和对于某个电子邮件“用户”,行中的值将是该值的总和.
有一个关键的桌子的东西,但我无法让它工作.
我在MysqL中将这些数据作为一个表来处理,但它在csv文件中可用,所以如果查询不可能,python将是一个可能的解决方案,并且在sql之后是首选.

更新
在python中,是否可以输出数据：

+-------+--------+---------+------+----------+-----+--------+-------+
|       |     val1         |      val2       |     val3              |
+-------+--------+---------+------+----------+-----+--------+-------+
| email | cast   |little ja|core  | qar      |cam  | ja sa  | jaja   |
+-------+--------+---------+------+----------+-----+--------+--------|
|jal@h  |  55    |   2     | 44   |   244    | 1   | 200    | 12     |
|hal@b  |  900   |  513    | 101  |   146    |  2  |  733   | 833    |
|bam@t  |  1231  |   33    | 433  |   411    | 933 | 833    | 53     |
+-------+--------+--------+------+----------+-----+--------+---------

我对python不太熟悉.

解决方法:

如果您使用pandas,则可以在通过电子邮件对数据框进行分组后执行value_counts,然后将其取消堆叠/转换为宽格式：

(df.set_index("email").stack().groupby(level=0).value_counts()
   .unstack(level=1).reset_index().fillna(0))

要获取更新的结果,您可以在堆栈后按电子邮件和val *列进行分组：

(df.set_index("email").stack().groupby(level=[0, 1]).value_counts()
   .unstack(level=[1, 2]).fillna(0).sort_index(axis=1))