如何批量统计pandas DataFrame各列符合指定条件的行数？

我需要统计pandas DataFrame中每列符合对应条件的行数，具体包含两个需求：

• 统计各列非NaN值的数量，预期结果为[3, 3]
• 统计各列非零数值的数量，预期结果为[2, 3]

示例DataFrame代码 #

import numpy as np
import pandas as pd

# Sample DataFrame
data = [[1, 2], [0, 3], [np.nan, np.nan], [1, -1]]
index = ['i1', 'i2', 'i3', 'i4']
columns = ['c1', 'c2']
df = pd.DataFrame(data, index=index, columns=columns)
print(df)

输出结果 #

c1   c2
i1  1.0  2.0
i2  0.0  3.0
i3  NaN  NaN
i4  1.0 -1.0

已尝试的逐列处理代码 #

针对问题1（非NaN值统计） #

print(df[df['c1'].apply(lambda x: not pd.isna(x))].count())

针对问题2（非零数值统计） #

print(df[df['c1'] != 0].count())

目前仅能逐列处理，寻求一次性统计所有列的方法。

环境信息：Python 3.10.5，pandas 1.4.3

解决方案 #

问题1：一次性统计所有列非NaN值数量 #

直接调用DataFrame的count()方法，该方法默认跳过NaN值，返回每列非缺失值的数量：

non_nan_counts = df.count().tolist()
print(non_nan_counts)  # 输出: [3, 3]

问题2：一次性统计所有列非零数值数量 #

先用ne(0)生成布尔值DataFrame（非零元素对应True），再通过sum()统计每列True的数量（NaN会被判定为False，不纳入统计）：

non_zero_counts = df.ne(0).sum().tolist()
print(non_zero_counts)  # 输出: [2, 3]

内容的提问来源于stack exchange，提问作者dmjy