Question

是否有一种方法可以计算列中布尔值的出现次数而不必遍历DataFrame？

做类似

df[df["boolean_column"]==False]["boolean_column"].sum()

由于False的值为0，因此将不起作用，因此零之和将始终返回0。

很显然，您可以通过遍历该列并进行检查来计数出现的次数，但是我想知道是否有一种pythonic的方法来做到这一点。

Answer 1

使用pd.Series.value_counts()：

componentDidMount() {
this.interval = setInterval(() => this.getData(), 10000);
this.getData();
}

componentWillUnMount() {
clearInterval(this.interval);
}

getData = () => {
//data requests
}

如果要分别计算>> df = pd.DataFrame({'boolean_column': [True, False, True, False, True]}) >> df['boolean_column'].value_counts() True 3 False 2 Name: boolean_column, dtype: int64和False，可以使用True + pd.Series.sum()：

Answer 2

您可以简单地总结一下：

sum(df["boolean_column"])

这将找到“ True”元素的数量。

len(df["boolean_column"]) - sum(df["boolean_column"])

将产生“假”元素的数量。

Answer 3

对于Pandas，自然的方法是使用value_counts：

df = pd.DataFrame({'A': [True, False, True, False, True]})

print(df['A'].value_counts())

# True     3
# False    2
# Name: A, dtype: int64

要分别计算True或False的值，请不要与True / False进行明确比较，只需sum并通过{取反布尔值即可。 {1}}计算~个值：

False

之所以可行，是因为print(df['A'].sum()) # 3 print((~df['A']).sum()) # 2是bool的子类，并且该行为也适用于Pandas系列/ NumPy数组。

或者，您可以使用NumPy计算计数：

int

Answer 4

df.isnull()

返回一个布尔值。 True表示缺少值。

df.isnull().sum()

返回True值的列式求和。

df.isnull().sum().sum()

返回不包含NA元素的总数。

Answer 5

我在这里找不到我真正需要的东西。我需要True和False出现的次数来进行进一步的计算，所以我使用了：

true_count = (df['column']).value_counts()[True]
False_count = (df['column']).value_counts()[False]

其中df是您的DataFrame，column是具有布尔值的列。

Answer 6

此替代方法也适用于多列和/或多行。

df[df==True].count(axis=0)

将为您提供每列True个值的总数。对于逐行计数，请设置axis=1。

df[df==True].count().sum()

最后添加一个sum()将使您在整个DataFrame中获得总数。

Answer 7

如果您在DataFrame中有一个带有布尔值的列，或者甚至更有趣，如果您没有它，但是想要找到满足特定条件的列中的值数，则可以尝试这样（例如，我使用<=）：

(df['col']<=value).value_counts()

括号创建具有＃个True / False值的元组，您也可以将其用于其他计算，访问该元组，即使不创建其他变量，也为[False]计数添加[0]，为True计数添加[1]：< / p>

(df['col']<=value).value_counts()[0] #for falses
(df['col']<=value).value_counts()[1] #for trues

在数据框的列中计算True / False的出现次数

7 个答案: