如何用Pandas统计每行指定前缀列的非NaN值数量

你已经正确筛选出了前缀为number的列，接下来用pandas内置的count()方法就能快速统计每行的非缺失值数量，无需复杂的lambda操作。

完整代码实现 #

import pandas as pd
import numpy as np

# 构造示例数据集
data = {
    'id': [1, 2, 3],
    'something': [105, 300, 20],
    'number1': [200, 2, 1],
    'number2': [np.nan, 1, np.nan],
    'number3': [np.nan, 1, np.nan],
    'number4': [50, 33, np.nan]
}
df = pd.DataFrame(data)

# 1. 筛选前缀为number的列（两种写法可选）
number_cols = df.columns[df.columns.str.startswith('number')]
# 更简洁的正则筛选写法：number_cols = df.filter(regex='^number').columns

# 2. 统计每行非NaN值的数量并生成新列
df['sum_columns'] = df[number_cols].count(axis=1)

print(df)

代码说明 #

• df[number_cols].count(axis=1)：count()方法默认自动忽略NaN值，axis=1参数指定按行统计，直接返回每行的非缺失值数量，这是效率最高的实现方式。
• 如果你想用lambda实现，也可以这么写（效率略低于count()）：

  df['sum_columns'] = df[number_cols].apply(lambda row: row.notna().sum(), axis=1)
  

输出结果 #

内容的提问来源于stack exchange，提问作者Lurri