如何在Pandas DataFrame中按分组统计零值与非零值数量？

首先构造示例数据集：

import pandas as pd

data = {
    'docs': ['example 1', 'example 2', 'example 3', 'example 4', 'example 5', 'example 6'],
    'language': ['python', 'JS', 'python', 'JS', 'python', 'JS'],
    'instance': [25, 15, 0, 34, 0, 0]
}
df = pd.DataFrame(data)

统计零值数量 #

有两种简洁的实现方式：

• 先筛选出instance为0的行，再按language分组统计数量：

zero_counts = df[df['instance'] == 0].groupby('language').size().reset_index(name='zero count')

• 直接分组后，对每组的instance列统计等于0的元素个数：

zero_counts = df.groupby('language')['instance'].apply(lambda x: (x == 0).sum()).reset_index(name='zero count')

输出结果：

language  zero count
0       JS           1
1    python           2

统计非零值数量 #

同理，两种实现方式：

• 先筛选instance非零的行再分组：

non_zero_counts = df[df['instance'] != 0].groupby('language').size().reset_index(name='non-zero count')

• 分组后统计非零元素个数：

non_zero_counts = df.groupby('language')['instance'].apply(lambda x: (x != 0).sum()).reset_index(name='non-zero count')

输出结果：

language  non-zero count
0       JS               2
1    python               1

更高效的一次性统计 #

如果需要同时获取两种统计结果，可以用agg方法一次性计算，再拆分出所需的DataFrame：

stats_df = df.groupby('language')['instance'].agg(
    zero_count=lambda x: (x == 0).sum(),
    non_zero_count=lambda x: (x != 0).sum()
).reset_index()

# 拆分零值统计DataFrame
zero_counts = stats_df[['language', 'zero_count']].rename(columns={'zero_count': 'zero count'})
# 拆分非零值统计DataFrame
non_zero_counts = stats_df[['language', 'non_zero_count']].rename(columns={'non_zero_count': 'non-zero count'})

除了Pandas外，也可以结合NumPy手动实现分组统计，但Pandas的分组API已经足够简洁高效，是这类场景的首选工具。

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