我有100列的调查数据，我需要得到每列中所有值的频率。列值为0、1等，我想将其Map为“否”、“是”。其他列可能是0=“否”、1=“是”、3=“可能”等。这些只是示例，有许多列（例如调查问题）具有许多不同的Map。
我希望循环遍历列，并将Map应用到列，执行频率，并将结果输出到 Dataframe 。提前谢谢。
下面是一些虚拟调查数据。

# Main Survey Data

data = {'Name':['Tom', 'Sam', 'Trish', 'Sharon', 'Tony'], 'Age':[20, 21, 19, 18, 20], 'MH' : [0,0,1,2, 1]}
df = pd.DataFrame(data)

我有一套代码，上面有调查问题的所有Map。与此类似。

age_map = {18 : 'Very young', 19 : 'Young',  20 : 'Old',  21 : 'Very old'}
mh_map = {0 : 'No', 1 : 'Yes', 2 : 'Maybe'}

我还有一个dataframe用作查找表，显示列名和列链接到的Map。与此数据类似。

# Dataframe used as a look up table showing all the column names and the related map

lkup = {'col' : ['Age', 'MH'], 'map' : ['age_map', 'mh_map']}
df_lkup = pd.DataFrame(lkup)

显然，在几列上应用Map并执行计数和输出结果很容易，类似于此。

mh_res = pd.DataFrame(df['MH'].map(mh_map).value_counts().reset_index())
mh_res['Colname'] = 'MH'
mh_res.columns=['Value', 'Count', 'Colname']
print(mh_res)

但我有100列要循环。下面是我开始使用的代码，但我不知道如何从列表中获取.map（j）中的j值，该列表是一个没有引号的变量名。

# Get the list of columns and maps from the column/map lookup table

collist = df_lkup['col'].tolist()
maplist = df_lkup['map'].tolist()

# Loop through columns and maps

final_results = pd.DataFrame()

for i, j in zip(collist, maplist):
    result = pd.DataFrame(df[i].map(j).value_counts().reset_index())
    result['Colname'] = i
    result.columns=['Value', 'Count', 'Colname']
    final_results = final_results.append(result)

print(final_results)