如何在Pandas DataFrame中统计特定字符串与正负整数的数量

方案一：基于元素类型筛选统计 #

针对你的场景（列中仅包含整数和'Hello'字符串），可以通过判断元素类型来分别统计：

• 统计'Hello'的数量：

helloCount = len(df[df['A1'] == 'Hello'])

• 统计非负整数数量：先筛选出整数类型的行，再判断数值≥0

posNums = len(df[df['A1'].apply(lambda x: isinstance(x, int)) & (df['A1'] >= 0)])

• 统计负整数数量：同样先筛选整数类型，再判断数值<0

negNums = len(df[df['A1'].apply(lambda x: isinstance(x, int)) & (df['A1'] < 0)])

方案二：数值转换后统计（更通用） #

如果列中可能存在其他非数字字符串，推荐用pd.to_numeric将非数值转为NaN，再基于NaN区分统计：

import pandas as pd

# 将A1列转为数值，非数值自动设为NaN
numeric_col = pd.to_numeric(df['A1'], errors='coerce')

# 统计Hello数量
helloCount = (df['A1'] == 'Hello').sum()
# 统计非负数字数量（排除NaN）
posNums = (numeric_col >= 0).sum()
# 统计负数字数量（排除NaN）
negNums = (numeric_col < 0).sum()

示例验证 #

用你的测试数据运行方案二的代码：

data = {'A1': [1, 'Hello', -8, 'Hello']}
df = pd.DataFrame(data)

numeric_col = pd.to_numeric(df['A1'], errors='coerce')
helloCount = (df['A1'] == 'Hello').sum()
posNums = (numeric_col >= 0).sum()
negNums = (numeric_col < 0).sum()

print(f"posNums={posNums}，negNums={negNums}，helloCount={helloCount}")

输出：posNums=1，negNums=1，helloCount=2，完全符合预期。

方案对比 #

• 方案一：逻辑直接，适合元素类型明确只有整数和'Hello'的场景；
• 方案二：兼容性更强，能处理包含其他非数字字符串的混合列。

内容的提问来源于stack exchange，提问作者Petra Enis