如何用Pandas批量统计DataFrame每行奇偶数值数量并新增列存储

推荐方案：矢量化操作（高效） #

Pandas的矢量化运算可以避免逐行循环，直接对整表进行计算，速度更快。

核心逻辑：

• 判断每个元素是否为偶数（df % 2 == 0），得到布尔值矩阵
• 按行求和（sum(axis=1)），得到每行偶数的数量，存入coleven列
• 奇数数量可以用每行的总元素数（即DataFrame的列数）减去偶数数量，或者直接判断奇数后求和

完整代码：

import pandas as pd

# 读取数据
df = pd.read_csv('allornothingev.csv')

# 计算每行偶数数量
df['coleven'] = (df % 2 == 0).sum(axis=1)
# 计算每行奇数数量（两种写法二选一）
df['colodd'] = df.shape[1] - df['coleven']
# 或者 df['colodd'] = (df % 2 != 0).sum(axis=1)

# 输出结果
print(df)

备选方案：逐行处理（适合特殊逻辑场景） #

如果需要自定义逐行处理逻辑，可以用apply方法遍历每行：

import pandas as pd

df = pd.read_csv('allornothingev.csv')

def calc_odd_even(row):
    even_count = sum(1 for val in row if val % 2 == 0)
    odd_count = len(row) - even_count
    return pd.Series([even_count, odd_count], index=['coleven', 'colodd'])

# 应用函数到每行，生成新列
df[['coleven', 'colodd']] = df.apply(calc_odd_even, axis=1)

print(df)

原代码问题说明 #

你的代码只处理了第0行（df.loc[0, :]），且循环中使用了未定义的numbers变量（应该是row_list），因此只能单行处理。上述两种方案都能批量处理所有行，其中矢量化操作优先推荐，性能远高于逐行循环。

内容的提问来源于stack exchange，提问作者codenameglen