Pandas统计列中属于指定数值列表的行数实现咨询

你之前的写法报错的核心原因是：value_counts() 方法的入参不支持直接传入匹配目标列表，该方法第一个参数为normalize，用来控制是否返回占比而非计数，语法不匹配自然运行失败。

核心实现逻辑 #

构造布尔判断序列，判断列中每一行取值是否属于目标范围，对布尔序列求和即可得到符合条件的总行数（布尔值True对应数值1，False对应数值0）。

适配你场景的两种解决方法 #

• 方法1：转换列数据为数值类型后匹配
  因为列中存在字符串类型的异常值，转换时设置errors='coerce'把无法转为数值的内容转成空值，避免报错：

  import pandas as pd
  num_range = list(range(200,281, 5))
  # 转换列类型，非数值内容转为NaN
  col_numeric = pd.to_numeric(df['COL_1'], errors='coerce')
  # 统计符合条件的行数
  count = col_numeric.isin(num_range).sum()
  

• 方法2：将目标数值范围转为字符串格式匹配
  不需要修改原列数据，直接把目标列表转成字符串后匹配即可，适配你排查到的兼容方案：

  # Python2.7中map直接返回列表
  target_range = map(str, range(200, 281, 5))
  count = df['COL_1'].isin(target_range).sum()
  

注意事项 #

以上两种方法都会自动跳过空值、UNREADABLE/NOT_PASSIVE这类非目标字符串，最终返回的就是符合要求的总行数。

内容的提问来源于stack exchange，提问作者Boston Co