如何将值与熊猫数据框中的列值进行比较答案

【问题标题】：How to compare a value with columns values in a pandas dataframe如何将值与熊猫数据框中的列值进行比较
【发布时间】：2018-12-14 12:16:33
【问题描述】：

        000012  000013   000014   ...    004004  005585  007682
0          0     3.8      3.7   ...       1.1     4.8     0.4
1          0       0      0.0   ...       0.0       5     7.8
2          0       0      0.0   ...       0.0     1.6     2.1
3          0       0      2.0   ...       2.3       0     0.4
4          0       0      1.3   ...       0.2     1.3     0.1
5          0       0      0.0   ...       0.0     4.1     3.5
6          0       0      0.0   ...       0.6     0.2     0.3
7          0       0      0.0   ...       0.0       0     7.1
8          0       0      0.0   ...       0.0       0     0.0

我有这样的东西。我需要比较每列值以了解每列中出现大于 1 的值的次数。

我试过这个：

s.set_index(s.index).gt(1).sum(1).reset_index(name='result').fillna(s)

但它得到一个错误：在“numpy.ndarray”和“int”的实例之间不支持块值“>”时无法操作 1

列的值是浮点数。

有人知道我解决了吗？？谢谢！

【问题讨论】：

另一方面，如果我将 gt(1.) 更改为 eq(1.) 它会运行。我不知道为什么
请在发帖前阅读此内容； How to Ask，minimal reproducible example。所需的输出会有所帮助

标签： pandas compare

【解决方案1】：

我不能给你确切的代码，因为你的表格不清楚，但你可以尝试使用query():-

df_filtered = df.query('a > 1')

其中a 是您要过滤的列的标题。

要添加多个条件，您可以在每列之间使用&

df_filtered = df.query('a > 1 & b > 1')

【讨论】：

表格为csv文件，有气象站（列），数据为每天降水量。我需要知道，对于每一列，降水量大于 1 的天数。
我需要所有列，有 86 个。你知道一些系统在所有列中都这样做吗？
我刚刚更新了我的答案，我想你可以为 86 列添加条件，它应该可以工作
@guilleeh 如果您发现我的回答有帮助，请标记我的回答或评价它以帮助其他遇到类似问题的人。谢谢。
谢谢大家。我有两个问题。首先，我的列标签是数字，这是一个问题，我想我可以改变它。其次，我会使用它 86 次，而且效率很低。另一种方法？

【解决方案2】：

请试试这个代码：

import pandas as pd
import numpy as np
datan = np.random.randn(36).reshape(9, 4)
df = pd.DataFrame(data=datan, columns=list("ABCD"))
output = {}
for c in df.columns:
output[c] = df[c][df[c] >= 1].sum()
df2 = pd.DataFrame(output, index=[0])
df2

【讨论】：

【解决方案3】：

试试这个：

import pandas as pd
dc={}  #The keys will identify the column name and its value differentiate how many times appears values greater than 1 .

    for i in list(dataframe.columns.values):
      dc[i] =  dataframe.loc[dataframe[i].gt(1),i].count()

【讨论】：