如何用Pandas .loc统计BAD=1且DELINQ非空的行数？

你需要对应SQL语句：

select count(DELINQ) from DATA where BAD = 1 and DELINQ is not null;

的Pandas实现，可通过在.loc的筛选条件中显式添加非空判断贴合SQL逻辑，以下是完善后的代码：

原代码 #

import numpy as np
import pandas as pd
data=pd.read_csv("hmeq_reduced.csv")
print('BAD: ',data.loc[data.BAD == 1,"DELINQ"].count())
print('Not Bad: ',data.loc[data.BAD == 0,"DELINQ"].count())

完善后的代码 #

import numpy as np
import pandas as pd
data=pd.read_csv("hmeq_reduced.csv")
# 显式添加DELINQ非空条件，多个条件用&连接，每个条件需加括号
print('BAD (DELINQ非空): ',data.loc[(data.BAD == 1) & (data.DELINQ.notna()), "DELINQ"].count())
print('Not Bad (DELINQ非空): ',data.loc[(data.BAD == 0) & (data.DELINQ.notna()), "DELINQ"].count())

关键说明 #

• Pandas中判断非空可用Series.notna()方法，或全局的pd.notna(Series)函数，二者效果一致
• 多个筛选条件必须用&（逻辑与）连接，且每个条件需单独加括号（避免运算符优先级导致逻辑错误）
• 原代码的.count()方法本身会自动排除空值（和SQL的count(列名)行为一致），但显式添加非空条件更贴合你熟悉的SQL语法逻辑

样本数据集（hmeq_reduced.csv） #

BAD DELINQ
1   0
1   2
1   0
1   
0   0
1   0
1   2
1   0
1   2
1   0
1   
1   1
1   0
0   0
1   1
1   1
1   6
1   
1   0
0   0
1   1
1   0
1   0
1   2
1   0
1   0
0   0
1   0
1   2
0   0

运行结果 #

BAD (DELINQ非空):  22
Not Bad (DELINQ非空):  5

内容的提问来源于stack exchange，提问作者Aaron