Pandas统计DataFrame中Counts列每行布尔列表的True值数量

Python中布尔值True对应数值1，False对应数值0，对布尔列表直接求和即可得到True的数量，只需要对Counts列逐行应用求和逻辑就可以实现需求。

方法1：简洁写法（性能最优） #

df['Counts'] = df['Counts'].apply(sum)

方法2：显式匹配写法（可读性更高） #

如果要更明确的指定统计True的数量，可使用list.count()方法：

df['Counts'] = df['Counts'].apply(lambda x: x.count(True))

原有代码错误原因 #

• 第一行代码df['Counts'] = tickets['Counts'].sum()是对整个Counts列所有布尔列表的元素全局求和，得到的是全表所有True的总数值，直接赋值给整列会导致所有行的Counts值都是同一个总数，不符合逐行统计的需求。
• 第二行代码df['Counts'] = df[df['Counts']==True].count().sum()是将整个布尔列表对象与True做比较，列表对象和布尔值永远不相等，匹配不到任何行，因此无法得到正确结果。

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