如何统计CSV文件中每10行内true值的出现次数并修正现有代码？

需求说明 #

需要对CSV文件中布尔值列（true/false）按每10行统计true的出现次数。现有代码读取指定文件夹下的CSV文件，选取t和f列后添加统计列，但使用.sum方法未实现预期效果。

现有代码问题分析 #

• .sum未加括号，实际是引用方法对象而非执行求和计算
• 当前代码是计算整列的布尔值总和，而非每10行滑动窗口内的统计

修正后的代码 #

import pandas as pd   
import numpy as np       
import glob   
import os  

all_files = glob.glob("C:/Users/Gamer/Documents/Colbun/Saturn/*.csv")   

for f in all_files:   
    df = pd.read_csv(f, header=0, usecols=["t","f"])
    # 直接生成布尔判断列，比apply更高效
    df['f<49.975'] = df['f'] < 49.975
    df['f>50.025'] = df['f'] > 50.025
    # 按每10行窗口统计true的出现次数，min_periods=1确保不足10行时也能计算
    df['f<49.975_10row_count'] = df['f<49.975'].rolling(window=10, min_periods=1).sum().astype(int)
    df['f>50.025_10row_count'] = df['f>50.025'].rolling(window=10, min_periods=1).sum().astype(int)
    # 输出处理后的文件
    output_filename = f'{os.path.basename(f).split(".")[0]}_ext.csv'
    output_path = f'C:/Users/Gamer/Documents/Colbun/Saturn2/{output_filename}'
    df.to_csv(output_path, index=False)

代码说明 #

• 用列直接运算生成布尔列，替代低效的apply方法
• rolling(window=10)创建10行滑动窗口，sum()自动将True视为1、False视为0，统计窗口内true的数量
• min_periods=1保证文件开头不足10行的部分也能正常统计
• astype(int)将浮点型求和结果转为整数，符合计数的直观需求

内容的提问来源于stack exchange，提问作者Isaac Rojas Oyarzun