【问题标题】：python pandas conditional count across columns跨列的python pandas条件计数
【发布时间】：2015-06-16 11:28:03
【问题描述】：
我有一个仅包含 1、0 和 -1 的数据框（称为 panel[xyz]）。维度是：0:10 行和 a:j 列。
我想创建另一个具有相同垂直轴但只有 3 列的数据框 (df)：
col_1 = 计算所有非零值（1s 和 -1s）
col_2 = 计数全 1
col_3 = 计数所有 -1s
我在搜索 SO 时发现了这个：
df[col_1] = (pan[xyz]['a','b','c','d','e'] > 0).count(axis=1)
...并尝试了许多不同的迭代，但我无法获得条件 (>0) 来区分 pan[xyz] 中的不同值。计数始终为 5。
任何帮助将不胜感激。
编辑：
平移[xyz] =
. 'a' 'b' 'c' 'd' 'e' 'f' 'g' 'h' 'i' 'j'
0 1 0 0 -1 0 0 -1 0 1 0
1 0 1 0 0 0 1 0 0 0 -1
2 1 0 0 0 0 -1 0 0 0 0
3 0 -1 0 0 0 0 0 1 0 0
4 0 0 0 1 0 0 -1 0 0 -1
df 应该是 =
. col_1 col_2 col_3
0 4 2 2
1 3 2 1
2 2 1 1
3 2 1 1
4 3 1 2
但这就是我为 col_1 得到的：
df = (panel[xyz] > 0).count(axis=1)
df
Out[129]:
0 10
1 10
2 10
3 10
4 10
dtype: int6
【问题讨论】：
标签：
python
pandas
conditional
dataframe
vectorization
【解决方案1】：
我只是使用平面数据框执行此操作，但对于面板也是如此。您可以采用以下两种方式之一。第一种方式就是你做的，把count()改成sum()：
( df > 0 ).sum(axis=1)
底层结构是布尔值，True 和 False 都被计算在内，而如果你将它们相加，它的解释更像你所期望的 (0/1)。
但更标准的做法是：
df[ df > 0 ].count(axis=1)
虽然前一种方法基于布尔数据框，但后者看起来像这样：
df[ df > 0 ]
a b c d e f g h i j
0 1 NaN NaN NaN NaN NaN NaN NaN 1 NaN
1 NaN 1 NaN NaN NaN 1 NaN NaN NaN NaN
2 1 NaN NaN NaN NaN NaN NaN NaN NaN NaN
3 NaN NaN NaN NaN NaN NaN NaN 1 NaN NaN
4 NaN NaN NaN 1 NaN NaN NaN NaN NaN NaN
在这种情况下，你使用哪种方法并不重要，但总的来说，后者会更好，因为你可以用它做更多的事情。例如，使用前一种方法（设计为具有二进制结果），您真正可以做的就是计数，但在后一种方法中，您可以计数、求和、乘法等。
对于df != 0 的情况，它的潜在用处可能更明显，其中有两个以上的可能值：
df[ df != 0 ]
a b c d e f g h i j
0 1 NaN NaN -1 NaN NaN -1 NaN 1 NaN
1 NaN 1 NaN NaN NaN 1 NaN NaN NaN -1
2 1 NaN NaN NaN NaN -1 NaN NaN NaN NaN
3 NaN -1 NaN NaN NaN NaN NaN 1 NaN NaN
4 NaN NaN NaN 1 NaN NaN -1 NaN NaN -1