有没有一种方法可以计算一列中布尔值的出现次数，而无需遍历 DataFrame？
做类似的事情
df[df["boolean_column"]==False]["boolean_column"].sum()
将不起作用，因为 False 的值为 0，因此零之和将始终返回 0。
显然，您可以通过遍历列并检查来计算出现次数，但我想知道是否有这样做的 pythonic 方式。
【问题讨论】：
标签： python pandas boolean counter series
这里试图在提供答案时尽可能地直截了当和简短。 value_counts() 策略最终可能更灵活。累积sum 和计数count 是不同的，每个都表达一种分析意图，sum 取决于数据类型。
“计算数据框列中真/假的出现次数”
import pd
df = pd.DataFrame({'boolean_column': [True, False, True, False, True]})
df[df==True].count()
#boolean_column 3
#dtype: int64
df[df!=False].count()
#boolean_column 3
#dtype: int64
df[df==False].count()
#boolean_column 2
#dtype: int64
【讨论】：
我在这里找不到我真正需要的东西。我需要 True 和 False 出现的次数来进一步计算，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 是带有布尔值的列。
【讨论】：
df.isnull()
返回一个布尔值。 True 表示缺失值。
df.isnull().sum()
返回True 值的按列总和。
df.isnull().sum().sum()
返回 NA 元素的总数。
【讨论】：
如果您在 DataFrame 中有一个带有布尔值的列，或者更有趣的是，如果您没有它但您想找到满足特定条件的列中的值的数量，您可以尝试这样的操作（例如我使用
(df['col']<=value).value_counts()
括号创建一个带有 # of True/False 值的元组，您也可以将其用于其他计算，访问元组添加 [0] 表示 False 计数和 [1] 表示 True 计数，即使没有创建额外的变量：
(df['col']<=value).value_counts()[0] #for falses
(df['col']<=value).value_counts()[1] #for trues
【讨论】：
这种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 值的总数。对于逐行计数，设置axis=1。
df[df==True].count().sum()
最后添加sum() 将获得整个DataFrame 中的总量。
【讨论】：
>> df = pd.DataFrame({'boolean_column': [True, False, True, False, True]})
>> df['boolean_column'].value_counts()
True 3
False 2
Name: boolean_column, dtype: int64
如果要分别计算False 和True，可以使用pd.Series.sum() + ~：
>> df['boolean_column'].values.sum() # True
3
>> (~df['boolean_column']).values.sum() # False
2
【讨论】：
对于 Pandas，自然的方式是使用 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 值，不要与 True / False 显式比较，只需 sum 并通过 ~ 取反向布尔值来计算 False 值：
print(df['A'].sum()) # 3
print((~df['A']).sum()) # 2
这是可行的，因为bool 是int 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：
print(np.unique(df['A'], return_counts=True))
# (array([False, True], dtype=bool), array([2, 3], dtype=int64))
【讨论】：
你可以简单地总结：
sum(df["boolean_column"])
这将找到“真”元素的数量。
len(df["boolean_column"]) - sum(df["boolean_column"])
将产生“假”元素的数量。
【讨论】：
pd.Series.sum 或 np.ndarray.sum。