什么是 pandas 计算匹配条件的文本的方法？

Question

有哪些 pandas 方法可以对满足多个条件的行进行计数？

例如：

df = pd.DataFrame({ 'A' : ["1","2","3","4"],
                    'B' : pd.Timestamp('20130102'),
                    'C' : pd.Series(1,index=list(range(4)),dtype='float32'),
                    'D' : np.array([3] * 4,dtype='int32'),
                    'E' : pd.Categorical(["test","train","test","train"]),
                    'F' : 'foo' })
df

我将在下面演示如何计算单个条件：

print ("Sum for 1 and 3:",(df['A']=="1").sum(),"records")

有哪些方法可以同时计算“1”和“3”？

在上面的示例中，我希望输出 Sum for 1 and 3: 2 records

Answer 1

您可以使用：

print ("Sum for 1 and 3:",((df['A']=="1") | (df['A']=="3")).sum(),"records")
('Sum for 1 and 3:', 2, 'records')

或使用 str.contains 和 | (or):

print ("Sum for 1 and 3:",(df['A'].str.contains("1|3")).sum(),"records")
('Sum for 1 and 3:', 2, 'records')

更快的方法使用 np.sum:

print ("Sum for 1 and 3:",np.sum(df['A'].str.contains("1|3")),"records")
('Sum for 1 and 3:', 2, 'records')

Answer 2

在这种情况下，您可以使用 in1d，检查设备：

np.in1d(df["A"],["1","3"]).sum()

这非常快。

什么是 pandas 计算匹配条件的文本的方法？

What is a pandas approach to counting text that matches condition?

python-3.x

pandas

boolean-operations