如何在Pandas DataFrame中实现COUNTIFS多条件计数并将结果写入新列

原代码直接对df1['omg']和df2['omgangar']两个Series做逐元素对比，Pandas对比Series时会默认按索引对齐，当两个Series索引不一致时就会抛出ValueError: Can only compare identically-labeled Series objects错误。且该逻辑本身不符合需求：你需要的是对df2每行的单个omgangar值，去整个df1中匹配统计符合条件的行数，不是两个表逐行对齐比较。

方案1：分组映射（推荐，大数据量性能更优） #

先筛选df1中符合条件的记录，按omg分组统计计数后映射到df2：

# 1. 先筛选df1满足odds介于20-30、outcome为1的行
filtered = df1[(df1['odds'].between(20, 30)) & (df1['outcome'] == 1)]
# 2. 按omg分组统计每个值对应的行数
count_map = filtered.groupby('omg').size()
# 3. 映射到df2，无匹配值填充0后转整数
df2['outcome'] = df2['omgangar'].map(count_map).fillna(0).astype(int)

方案2：apply逐行统计（适合小数据量，写法直观） #

对df2每行的omgangar值单独去df1中统计符合条件的行数：

df2['outcome'] = df2['omgangar'].apply(
    lambda x: ((df1['omg'] == x) & (df1['odds'].between(20,30)) & (df1['outcome'] == 1)).sum()
)

两种方案运行后都可以得到你期望的df2结果。

内容的提问来源于stack exchange，提问作者OldSport