Pandas解决无False实例时value_counts取值异常问题

当你用value_counts()[False]统计列中False的出现次数时，若该列没有False值，value_counts()返回的Series里不会包含False这个索引，直接通过[False]访问会返回整个Series的内容（而非预期的0）。以下是两种简单的修复方案：

方案一：使用get()方法指定默认值 #

Series.get()方法允许你在索引不存在时返回预设的默认值，完美适配这种场景：

A_CHECK_false_count = masterdf['A'].value_counts().get(False, 0)
B_CHECK_false_count = masterdf['B'].value_counts().get(False, 0)  # 无False时返回0
C_CHECK_false_count = masterdf['C'].value_counts().get(False, 0)

d = {'A_CHECK_Total': [A_CHECK_false_count], 
     'B_CHECK_Total': [B_CHECK_false_count], 
     'C_CHECK_Total': [C_CHECK_false_count]}

FalseCountCheck = pd.DataFrame(data=d)

方案二：直接统计False的数量 #

更直观的方式是直接对布尔列进行条件统计，不需要依赖value_counts()：

# 方法1：判断等于False
A_CHECK_false_count = (masterdf['A'] == False).sum()
B_CHECK_false_count = (masterdf['B'] == False).sum()
C_CHECK_false_count = (masterdf['C'] == False).sum()

# 方法2：利用布尔取反（~True = False）
# A_CHECK_false_count = (~masterdf['A']).sum()

d = {'A_CHECK_Total': [A_CHECK_false_count], 
     'B_CHECK_Total': [B_CHECK_false_count], 
     'C_CHECK_Total': [C_CHECK_false_count]}

FalseCountCheck = pd.DataFrame(data=d)

这两种方法都能确保当列中没有False时，返回值为0，不会出现异常内容。

内容的提问来源于stack exchange，提问作者Cyprus_Knolls