没问题，这几种方法都能帮你快速统计出x列值为数字1的行数，结果正好是3：

首先先还原你的DataFrame：

import pandas as pd

df = pd.DataFrame({
    'x': [1, 1, 2, 3, 4, 5, 1],
    'y': ['a', 'b', 'c', 'd', 'e', 'f', 'g']
})

方法一：布尔索引求和（最直观） #

这是最常用的方式，通过布尔判断筛选出符合条件的行，再求和得到数量：

count = (df['x'] == 1).sum()
print(count)  # 输出：3

解释：df['x'] == 1会生成一个布尔Series，x等于1的位置为True（等价于1），其余为False（等价于0），sum()会直接计算这些布尔值的总和，也就是符合条件的行数。

方法二：用value_counts()统计频次 #

如果需要同时查看多个值的出现次数，这个方法很方便，单独提取1的次数即可：

count = df['x'].value_counts().get(1, 0)
print(count)  # 输出：3

解释：value_counts()会统计x列每个唯一值的出现次数，返回一个以值为索引的Series。get(1, 0)表示获取索引为1的对应值，如果x列中没有1，则返回0。

方法三：query()筛选后取行数 #

用类SQL的语法筛选行，再通过shape[0]获取行数：

count = df.query('x == 1').shape[0]
print(count)  # 输出：3

解释：query('x == 1')会筛选出x列等于1的所有行，返回一个新的DataFrame，shape[0]就是这个DataFrame的行数。

其实你不用纠结数字和字符串的差异，pandas里判断逻辑是一致的——数字直接写数值，字符串加引号即可（比如df['y'] == 'a'），核心都是通过布尔筛选或频次统计来得到行数。

内容的提问来源于stack exchange，提问作者Exige304