为何Pandas GroupBy统计非零值用sum()而非count()？

这本质是Pandas里布尔序列的count()和sum()方法行为差异导致的，拆解来看：

错误代码的问题 #

你最初的代码（语法存在括号错误，正确写法应为lambda x: (x>0).count()），核心问题出在count()的作用逻辑：

• count()统计的是序列里所有非缺失值的总数，不管元素是True还是False，只要不是NaN都会被计入。所以它返回的是整个分组的总记录数，自然不是你要的非零值次数。

为什么sum()能得到正确结果 #

当你改用(x>0).sum()时：

• x>0会把分组里的每个值转换成布尔值：非零值对应True，零值对应False。
• 在Pandas的数值计算中，True会被当作1，False当作0。sum()就是把这些1和0累加，最终结果正好是True的数量，也就是非零值的出现次数。

拿你的示例验证：
Room='a'的分组Value是[3,3,0]，x>0得到[True,True,False]，sum()后结果为1+1+0=2，正好是该分组的非零值次数；而count()会返回3（总记录数）。

额外小技巧 #

你也可以用更直观的Pandas方法替代x>0，比如x.ne(0)（判断不等于0）或者x.gt(0)（判断大于0），搭配sum()效果完全一致，示例代码：

nonBlankOccasion =('Value', lambda x: x.ne(0).sum())

内容的提问来源于stack exchange，提问作者elac