如何按segID分段统计DataFrame中指定列的False值数量？

原代码的问题 #

1. 你把False替换成了0，所以cols2里只有0和1，用Counter(df['cols2'])找False会触发KeyError，因为列里根本没有布尔值False。
2. groupby('segID')[cols2 , false_count].sum()是错误写法：cols2需要加引号，且false_count是全局统计的总数，不能作为列名传入分组操作。

修正方案 #

你要统计的是每个segID分段中，当前值与前一个值不等（即原逻辑中的False）的数量，以下是几种简洁的实现方式：

方式一：基于现有cols2列统计

因为cols2=0对应原逻辑的False，直接统计每个分段中0的个数：

df['cols2'] = df['cols1'].diff().eq(0).replace({False: 0, True: 1})
# 按segID分组，统计cols2为0的行数
seg_false_count = df.groupby('segID')['cols2'].apply(lambda x: (x == 0).sum())
print(seg_false_count)

方式二：直接用布尔列统计（更直观）

不需要把布尔值替换成0/1，直接保留原布尔列，统计False的数量：

# 生成布尔列：True=当前与前一个值相等，False=不等
df['is_equal_to_prev'] = df['cols1'].diff().eq(0)
# 按segID分组，统计False的数量（取反后求和）
seg_false_count = df.groupby('segID')['is_equal_to_prev'].apply(lambda x: (~x).sum())
print(seg_false_count)

方式三：同时统计True和False数量

如果需要同时查看每个分段的总行数、True数量和False数量：

df['is_equal_to_prev'] = df['cols1'].diff().eq(0)
seg_stats = df.groupby('segID')['is_equal_to_prev'].agg(
    total_rows='count',
    true_count='sum',
    false_count=lambda x: (~x).sum()
)
print(seg_stats)

内容的提问来源于stack exchange，提问作者April F