如何用更简洁的方法统计Pandas DataFrame列中符合条件的值的数量

给定如下DataFrame：

import pandas as pd

df = pd.DataFrame({'A': [1, 10, 100, 1000, 10000], 'B': [1, 2, 3, 4, 5]})

输出结果：

A  B
0      1  1
1     10  2
2    100  3
3   1000  4
4  10000  5

要统计A列中值大于100的元素数量，你提到的df['A'][df['A']>100].count()虽然可行，但重复调用df['A']不够简洁，以下是几种更简便的方法：

• 方法一：布尔序列直接求和（最简洁）

  (df['A'] > 100).sum()
  

  原理：比较操作df['A'] > 100会返回布尔类型的Series，符合条件的元素对应True（数值1），不符合的对应False（数值0），对该Series求和即可直接得到符合条件的元素总数，结果为2。

• 方法二：使用query方法筛选后取行数

  df.query('A > 100').shape[0]
  

  或者：

  len(df.query('A > 100'))
  

  原理：query通过字符串表达式筛选出符合条件的行，shape[0]或len()可直接获取筛选结果的行数，也就是目标元素数量。

• 方法三：使用loc定位后计数

  df.loc[df['A'] > 100, 'A'].count()
  

  原理：loc先通过布尔条件筛选行，再指定统计的A列，最后调用count()得到数量。这种方法避免了链式索引的潜在警告，可读性较强。

内容的提问来源于stack exchange，提问作者Dracrays