如何用Pandas统计不同区间内的行数及Buy列1的数量？

核心思路 #

使用pd.cut()对Est列进行区间划分，再通过groupby()结合agg()一次性完成分组统计，相比手动筛选的方式更简洁高效，代码可读性也更强。

完整实现代码 #

import pandas as pd

df = pd.DataFrame({
    'Est': [1.18,1.83,2.08,2.30,2.45,3.21,3.26,3.54,3.87,4.58,4.59,4.98],
    'Buy': [0,1,1,1,0,1,1,0,1,0,0,1]
})

# 定义目标区间边界
bins = [1, 2, 3, 4, 5]
# 分组并聚合统计
result = df.groupby(pd.cut(df['Est'], bins=bins)).agg(
    A=('Est', 'count'),  # 统计区间内的总行数
    B=('Buy', 'sum')     # 统计区间内Buy=1的数量（sum直接得到1的个数）
).reset_index(drop=True)

print(result)

关键步骤说明 #

• 区间划分：pd.cut(df['Est'], bins=bins)会将Est的值按[1,2)、[2,3)、[3,4)、[4,5)的区间分类（默认右闭左开，刚好匹配需求的区间范围），生成的分类对象作为分组键。
• 聚合统计：agg()方法可以同时指定多个统计规则，count用于统计每个区间的总行数，sum用于统计Buy列中1的数量（因为0求和不贡献数值，结果就是1的个数）。
• 索引重置：reset_index(drop=True)移除分组产生的区间索引，生成符合预期的整数索引。

输出结果 #

A  B
0  2  1
1  3  2
2  4  3
3  3  1

内容的提问来源于stack exchange，提问作者Jero