如何用Python统计column A值小于column B的出现频次？

嘿，这个需求其实挺常见的，我给你分享两种最实用的实现方法，覆盖不同的数据存储场景：

方法1：用Pandas处理表格数据（最推荐） #

如果你的数据是存在DataFrame里的（比如从CSV/Excel导入的结构化数据），用Pandas来处理简直事半功倍：

import pandas as pd

# 先模拟一个示例DataFrame（实际中你可以用pd.read_csv/pd.read_excel导入）
df = pd.DataFrame({
    'Column A': [1, 3, 5, 2, 4],
    'Column B': [2, 2, 6, 3, 3]
})

# 核心代码：生成布尔掩码后直接求和
count = (df['Column A'] < df['Column B']).sum()
print(f"Column A小于Column B的出现频次：{count}")
# 输出结果是3，对应第1、3、4行满足条件

原理很简单：df['Column A'] < df['Column B']会生成一个布尔类型的Series，每行对应一个True/False，而Python里True等价于1、False等价于0，用sum()就能直接统计满足条件的行数。

方法2：纯Python处理列表数据 #

如果你的Column A和Column B只是普通的Python列表，不用依赖Pandas也能轻松搞定：

column_a = [1, 3, 5, 2, 4]
column_b = [2, 2, 6, 3, 3]

# 用生成器表达式遍历配对元素，统计满足条件的数量
count = sum(1 for a, b in zip(column_a, column_b) if a < b)
print(f"Column A小于Column B的出现频次：{count}")

这里用zip()把两个列表的元素一一配对，然后通过生成器表达式筛选出a < b的情况，每满足一次就加1，最后用sum()汇总总数，简洁又高效。

额外小彩蛋：统计满足条件的比例 #

如果你还想知道满足A < B的比例，直接用统计出的频次除以总元素数就行：

# Pandas版本直接用mean()更方便
ratio = (df['Column A'] < df['Column B']).mean()
# 纯Python版本
ratio = count / len(column_a)
print(f"满足A<B的比例：{ratio:.2%}")

内容的提问来源于stack exchange，提问作者user12625679