如何用Pandas统计包含True值的分组数量？

解决方案代码 #

import pandas as pd

# 构建示例DataFrame
df = pd.DataFrame({
    'group': [1, 1, 1, 2, 2, 2, 3, 3],
    'condition': ["True", "False", "False", "True", "True", "False", "False", "False"]
})

# 可选：将字符串类型的条件值转换为布尔类型，便于后续判断
df['condition'] = df['condition'].map({'True': True, 'False': False})

# 按group分组，检查每个组的condition列是否存在至少一个True
group_has_true = df.groupby('group')['condition'].any()

# 计算总组数和符合条件的分组数
total_groups = len(group_has_true)
count_true_groups = group_has_true.sum()

# 生成期望格式的结果DataFrame
result = pd.DataFrame({
    'groups': [total_groups],
    'total_any_true': [count_true_groups]
})

print(result)

输出结果 #

groups  total_any_true
0       3               2

关键步骤说明 #

• 类型处理：示例中condition列是字符串格式的"True"/"False"，转换为布尔类型后可直接用any()方法判断组内是否存在真值；如果不想转换，也可以用lambda x: "True" in x.values替代any()完成判断。
• 分组判断：groupby('group')['condition'].any()会对每个分组做检查，只要组内有一个True就返回True，最终得到以group为索引、布尔值为结果的Series。
• 统计结果：len(group_has_true)获取总分组数，sum()统计布尔值为True的数量（布尔值True等价于1，False等价于0）。

内容的提问来源于stack exchange，提问作者Quinten