R语言：统计DataFrame各列中大于120的值的数量

嘿，我来帮你搞定这个统计需求！你之前得到结果为0的情况，大概率是数据类型的问题或者统计方向搞反了，咱们一步步来解决：

先排查核心问题：数据类型 #

如果你的DataFrame里某些列是字符串类型（比如导入数据时默认识别成了object），直接和数字120比较会得到错误的布尔结果（比如字符串'130'和120比较会返回False），这就会导致统计出来全是0。

先检查每列的数据类型：

print(df.dtypes)

如果看到列的类型是object，先把它转为数值类型：

import pandas as pd

# 将所有列转为数值，无法转换的内容设为NaN（不影响统计）
df = df.apply(pd.to_numeric, errors='coerce')

两种高效统计每列大于120值数量的方法 #

方法1：用gt() + sum()（最简洁） #

gt(120)会生成一个布尔值DataFrame（大于120的为True，否则为False），然后sum()默认按列求和（True=1，False=0），直接得到每列符合条件的数量：

# 统计每列大于120的值的数量
count_over_120 = df.gt(120).sum()
print(count_over_120)

方法2：用apply() + 自定义逻辑 #

如果你想更直观地看到筛选过程，可以用apply()对每列单独处理：

count_over_120 = df.apply(lambda col: col[col > 120].count())
print(count_over_120)

为什么你之前得到0？常见坑点 #

• 数据类型不匹配：刚才说的字符串列和数字比较的问题，是最常见的原因。
• 统计方向错了：如果不小心加了axis=1，比如df.gt(120).sum(axis=1)，那统计的是每行大于120的数量，而不是每列。
• 数据里确实没有大于120的值？：不过你说实际情况不符，所以这个可能性很低，优先检查前两个点。

示例演示 #

假设你有这样的DataFrame：

data = {
    '列1': [110, 130, 150, 90],
    '列2': ['125', '115', '140', '85'],  # 字符串类型
    '列3': [120, 121, 119, 130]
}
df = pd.DataFrame(data)

经过转类型+统计后，输出会是：

列1    2
列2    2
列3    2
dtype: int64

这样就能自动对所有列完成统计啦！如果还有问题，可以看看数据里有没有特殊格式的内容（比如带逗号的数字），转类型时可以额外处理。

内容的提问来源于stack exchange，提问作者Essi