如何为含布尔值列的DataFrame生成标记True列的新列并统计？

1. 生成标记True列名的新列 #

方法一：直观写法（适合小数据集） #

假设你的DataFrame叫df，布尔列是bol_1、bol_2、bol_3，一行代码就能生成目标列：

df['criteria'] = df.apply(lambda row: [col for col in df.columns if row[col]], axis=1)
# 可选：把单元素列表转成字符串，和示例格式一致
df['criteria'] = df['criteria'].apply(lambda x: x[0] if len(x) == 1 else x)

方法二：高效写法（适合大数据集） #

用矩阵乘法代替apply，速度更快：

# 把True对应列名，False对应空串，拼接后拆分
df['criteria'] = df.dot(df.columns + ',').str.rstrip(',').str.split(',')
# 同样处理单元素转字符串
df['criteria'] = df['criteria'].apply(lambda x: x[0] if len(x) == 1 else x if x else None)

2. 筛选有至少一个True的行 #

直接用any按行判断：

# 提取所有存在True值的行
has_true_rows = df[df[['bol_1', 'bol_2', 'bol_3']].any(axis=1)]

3. 基础统计操作 #

统计bol_1作为唯一True值的行数 #

两种方式任选：

# 方式一：直接用原布尔列判断
count_bol1_only = len(df[(df['bol_1']) & (~df['bol_2']) & (~df['bol_3'])])

# 方式二：用生成的criteria列判断（如果已经转成字符串）
count_bol1_only = df['criteria'].eq('bol_1').sum()

批量统计各列作为唯一True值的行数 #

循环处理所有布尔列，一次出结果：

bool_cols = ['bol_1', 'bol_2', 'bol_3']
for col in bool_cols:
    # 其他列必须全为False
    other_cols = [c for c in bool_cols if c != col]
    count = (df[col] & ~df[other_cols].any(axis=1)).sum()
    print(f"{col}作为唯一True值的行数：{count}")

统计各True组合的出现次数 #

如果criteria是列表，转成元组后用value_counts统计：

df['criteria_tuple'] = df['criteria'].apply(tuple)
print(df['criteria_tuple'].value_counts())

内容的提问来源于stack exchange，提问作者An old man in the sea.