如何在Pandas DataFrame中按不同阈值条件统计达标次数？

需求 #

要给Pandas DataFrame加一列Threshold_Met_Count，统计每行里Data1、Data2、Data3满足对应阈值条件的次数：

• 当Metric是M1、M2时，统计数据≥阈值的列数
• 当Metric是M3、M4时，统计数据≤阈值的列数

原始数据结构 #

Number Metric  Threshold   Data1    Data2   Data3
  1     'M1'      10         12       8       11
  2     'M2'      20         20       14       1
  3     'M3'      30         50       22      44
  4     'M4'      40         39       28      41

预期输出 #

Number Metric  Threshold   Data1    Data2   Data3  Threshold_Met_Count
  1     'M1'     10         12       8       11        2
  2     'M2'     20         20       14       1        1
  3     'M3'     30         50       22      44        1
  4     'M4'     40         39       28      41        2

问题排查与解决 #

一开始尝试用字典存条件再循环对比，没做出来。后来用@mozway的方案，结果报错：

TypeError: '>=' not supported between instances of 'float' and 'str'

原方案代码：

mask1 = df['Metric'].isin(['M1', 'M2'])
mask2 = df['Metric'].isin(['M3', 'M4'])

df2 = df.filter(like='Data')
df['Threshold_Met_Count'] =  (
   df2[mask1].ge(df['Threshold'], axis=0).sum(axis=1)
  +df2[mask2].le(df['Threshold'], axis=0).sum(axis=1)
 )

错误原因：Metric列的字符串带单引号（比如'M1'），导致isin没匹配到对应行，后续比较时出现浮点型和字符串的类型不兼容问题。

改成用Number列区分两组条件，同时把Data*列转成浮点型，修正后的代码就能正常运行得到预期结果：

mask1 = df['Number'].isin([1, 2])
mask2 = df['Number'].isin([3, 4])

df2 = df.filter(like='Data').astype(float)
df['Threshold_Met_Count'] =  (
   df2[mask1].ge(df['Threshold'], axis=0).sum(axis=1)
  +df2[mask2].le(df['Threshold'], axis=0).sum(axis=1)
 )

内容的提问来源于stack exchange，提问作者newbie