如何在Pandas中筛选指定行范围并统计False的出现次数

操作步骤与代码实现 #

针对需求，我们可以通过以下三步完成操作，结合示例数据给出完整代码：

1. 构造示例数据

先还原你的示例表格：

import pandas as pd

data = {
    'patient_id': [79452, 81667, 76297, 36593, 53717, 67134, 40436],
    'test_result': ['Negative', 'Positive', 'Negative', 'Negative', 'Negative', 'Negative', 'Negative'],
    'has_cancer': [False, True, False, False, False, False, False]
}
df = pd.DataFrame(data)

2. 按patient_id排序并筛选行范围

先对DataFrame按patient_id升序排序，再筛选出patient_id在50000到80000之间的行：

# 按patient_id排序
df_sorted = df.sort_values(by='patient_id')

# 筛选指定范围的行
filtered_df = df_sorted[(df_sorted['patient_id'] >= 50000) & (df_sorted['patient_id'] <= 80000)]

3. 统计has_cancer列中False的次数

提供两种常用统计方式：

• 方式一：直接通过布尔判断求和（最直观）

false_count = (filtered_df['has_cancer'] == False).sum()
print(f"has_cancer列中False的出现次数：{false_count}")

• 方式二：使用value_counts()获取全量统计，再提取False的计数（适合同时查看True/False的分布）

counts = filtered_df['has_cancer'].value_counts()
false_count = counts.get(False, 0)  # 若数据中无False，返回0避免报错
print(f"has_cancer列中False的出现次数：{false_count}")

示例结果 #

针对你的示例数据，筛选后的行包含patient_id为53717、67134、76297、79452的记录，对应的has_cancer均为False，最终统计结果为4。

内容的提问来源于stack exchange，提问作者Mich