如何统计DataFrame满足条件的行数并生成指定结构的新DataFrame

嘿，我来帮你搞定这两个Pandas数据处理的问题，都是日常分析里高频用到的操作：

这里有几种实用的方法，按需选择就行：

• 布尔索引求和法：先构造一个布尔条件（满足条件的行返回True，否则False），然后对这个布尔序列求和——因为Pandas会把True当作1，False当作0，求和结果就是符合条件的行数。
  举个例子，要统计df['age'] > 18的行数：

  (df['age'] > 18).sum()
  

  如果是多条件组合，记得用&表示“且”、|表示“或”，每个条件要加括号避免运算优先级问题：

  ((df['score'] >= 60) & (df['score'] <= 100) & (df['grade'] == 'A')).sum()
  

• query方法+长度统计：用df.query()写自然语言风格的条件，然后取结果的行数，可读性更强：

  # 两种方式都能拿到行数
  len(df.query("score >=60 and score <=100 and grade == 'A'"))
  # 或者用shape[0]直接取行数
  df.query("score >=60 and score <=100 and grade == 'A'").shape[0]
  

针对你说的需求——从DataFrame A生成3列的B，每列对应A的a、b、c列中满足「值在5-10之间（5≤i≤10）且z列等于1」的行数——这里有两种简洁的实现方式：

方法一：封装函数+逐个计算（清晰易懂） #

先定义一个通用的统计函数，避免重复写相同的逻辑，然后分别计算a、b、c列的符合条件行数，最后构造B：

import pandas as pd

# 假设你的DataFrame A已经存在
# 先定义过滤条件：z列等于1
z_condition = A['z'] == 1

def count_valid_column(col):
    # 组合条件：列值在5-10之间，且z列等于1
    return ((col >= 5) & (col <= 10) & z_condition).sum()

# 计算各列的统计值
count_a = count_valid_column(A['a'])
count_b = count_valid_column(A['b'])
count_c = count_valid_column(A['c'])

# 构造DataFrame B，注意要把统计值放在列表里，这样生成的是一行数据
B = pd.DataFrame({'a': [count_a], 'b': [count_b], 'c': [count_c]})

方法二：用apply批量处理（更简洁） #

直接对A的a、b、c列批量应用统计逻辑，再转成DataFrame：

import pandas as pd

z_condition = A['z'] == 1

# 选择a、b、c列，对每列应用统计逻辑
stats_series = A[['a', 'b', 'c']].apply(
    lambda col: ((col >=5) & (col <=10) & z_condition).sum()
)

# 把Series转成一行的DataFrame，就是我们要的B
B = stats_series.to_frame().T

举个实际例子验证 #

假设你的A是这样的：

A = pd.DataFrame({
    'a': [3, 7, 6, 8],
    'b': [12, 9, 4, 10],
    'c': [5, 11, 7, 6],
    'z': [1, 1, 0, 1]
})

按照规则统计：

• a列：第2行（7，z=1）、第4行（8，z=1）符合条件，计数2
• b列：第2行（9，z=1）、第4行（10，z=1）符合条件，计数2
• c列：第1行（5，z=1）、第4行（6，z=1）符合条件，计数2
  生成的B就是：

a  b  c
0  2  2  2

内容的提问来源于stack exchange，提问作者user8864947