类似Pandas all()的带阈值判断函数：是否有内置高效实现？

用户自定义了如下函数more_than，用于判断Series中True值的占比是否超过指定阈值（默认5%），现希望了解Pandas是否存在内置的、效率更高的同类函数：

import pandas as pd

df = pd.DataFrame({'A': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10], 'B': [4, 5, 6, 7, 8, 9, 10, 11, 12, 13]})

def more_than(series, threshold=5):
    try:
        trues = series.value_counts()[True]
        p = trues / len(series) * 100
    except KeyError:
        p = 0
    
    return True if p > threshold else False

df['compare'] = df['A'] > 5

print(more_than(df['compare']))
# 输出：True

Pandas没有直接对应该功能的单一内置函数，但可以通过更简洁高效的内置方法组合实现相同逻辑，且性能远优于自定义的more_than函数：

方法1：利用布尔Series的mean()方法 #

布尔类型在数值计算中会被视为1（True）和0（False），因此series.mean()直接返回True值的占比（小数形式），只需将阈值转换为小数后比较即可：

def more_than_optimized(series, threshold=5):
    return series.mean() > (threshold / 100)

方法2：利用sum()和长度计算占比 #

通过series.sum()统计True的数量，除以Series总长度得到占比，逻辑与mean()一致：

def more_than_optimized(series, threshold=5):
    return (series.sum() / len(series)) > (threshold / 100)

优势说明 #

• 效率更高：避免了value_counts()统计所有值频次的额外开销，mean()和sum()都是Pandas优化的向量化操作，处理大数据集时性能提升明显。
• 代码更简洁：无需异常处理，当Series中没有True值时，mean()或sum()会直接返回0，自然满足占比为0的判断逻辑。

内容的提问来源于stack exchange，提问作者Jan