计算每列的 pandas.DataFrame 行数

Question

我想做的事

我想计算有条件的行数。 每列应该有不同的数字。

import numpy as np
import pandas as pd

## Sample DataFrame
data = [[1, 2], [0, 3], [np.nan, np.nan], [1, -1]]
index = ['i1', 'i2', 'i3', 'i4']
columns = ['c1', 'c2']
df = pd.DataFrame(data, index=index, columns=columns)
print(df)

## Output
#      c1   c2
# i1  1.0  2.0
# i2  0.0  3.0
# i3  NaN  NaN
# i4  1.0 -1.0

## Question 1: Count non-NaN values
## Expected result
# [3, 3]

## Question 2: Count non-zero numerical values
## Expected result
# [2, 3]

注意：结果的数据类型并不重要。 它们可以是列表，pandas.Series，pandas.DataFrame 等（无论如何我都可以转换数据类型。）

我检查过的

## For Question 1
print(df[df['c1'].apply(lambda x: not pd.isna(x))].count())

## For Question 2
print(df[df['c1'] != 0].count())

显然，这两个print功能仅适用于c1列。 很容易一栏一栏地检查。 我想知道是否有一种方法可以一次计算所有列的计数。

环境

Python 3.10.5
pandas 1.4.3

Answer 1

您不会使用apply迭代您的数据。 您可以以矢量化方式实现您的结果：

print(df.notna().sum().to_list()) # [3, 3]
print((df.ne(0) & df.notna()).sum().to_list()) # [2, 3]

请注意，我假设“问题 2：计算非零值”也排除了nan值，否则您将得到[3, 4] 。

Answer 2

我认为你很接近：回答你的第一个问题：

>>> df.apply(lambda x : x.isna().sum(), axis = 0)
c1    1
c2    1
dtype: int64

您更改为 axis = 1 以在每一行上应用此操作。

要回答你的第二个问题，这是从这里开始的（已经回答了关于 SO 的问题）：

>>> df.astype(bool).sum(axis=0)
c1    3
c2    4
dtype: int64

同样，如果需要，您可以将轴更改为 1...

希望能帮助到你 ！