Python pandas 按DF2列值匹配DF1列名 统计正数值生成计数列
直接可跑的实现代码
# 统计DF1每列中大于0的元素个数,结果是Series,索引就是DF1的列名 col_count = (df1 > 0).sum() # 给DF2加Count列,按A列的值匹配对应的计数结果 df2['Count'] = df2['A'].map(col_count)
逻辑说明
- 第一步里的
df1 > 0会生成和DF1同结构的布尔矩阵,调用sum()时默认按列计算——布尔值里True等价于1、False等价于0,求和结果刚好就是每列符合“大于0”条件的元素总数 - 第二步用
map()做值映射,不需要手动写merge/join的关联逻辑,没有逐行循环的性能损耗,哪怕DF1行数到百万级也能快速跑完 - 算完的结果和示例要求完全匹配:
| A | Count |
|---|---|
| a_1 | 2 |
| a_2 | 2 |
| a_3 | 3 |
| a_4 | 1 |
| a_5 | 2 |
| a_6 | 3 |
实用调整技巧
- 如果DF2的A列有DF1里不存在的列名,匹配后会出现空值,可以补上空值填充逻辑,把这类值的计数设为0:
df2['Count'] = df2['A'].map(col_count).fillna(0).astype(int) - 后续如果要改计数规则(比如改成统计大于1的元素、统计非空元素),只需要修改第一步的判断条件就行,比如统计非空元素就直接用
df1.notna().sum(),匹配的逻辑完全不用动。
内容的提问来源于stack exchange,提问作者yoga purbaya
相关产品推荐
相关产品推荐

