如何统计Pandas DataFrame中包含值-999的列数量

嘿，这个需求用Pandas几行代码就能轻松搞定，核心思路就是先判断每列是否存在目标值，再统计符合条件的列数。

直接上解决方案，假设你的DataFrame名为df，可以这么写：

# 统计至少包含一个-999的列的数量
target_column_count = df.isin([-999]).any().sum()
print(target_column_count)

给你拆解下这段代码的逻辑：

• df.isin([-999])：生成一个和原DataFrame结构完全一致的布尔矩阵，每个单元格如果等于-999就标记为True，否则为False。
• .any()：对每一列做判断——只要该列里有一个True（也就是存在至少一个-999），就返回True，否则返回False。这一步会得到一个布尔Series，索引就是原DataFrame的列名。
• .sum()：把布尔Series里的True累加起来（Python里True等价于1，False等价于0），最终结果就是你要的包含-999的列的总数。

用你给出的示例数据测试的话，代码如下：

import pandas as pd

# 构造示例DataFrame
data = {
    'A': [1, -999, 3],
    'B': [-999, 5, 6],
    'C': [7, 8, 9]
}
df = pd.DataFrame(data)

# 统计符合条件的列数
count = df.isin([-999]).any().sum()
print(count)  # 输出结果为2，和预期一致

如果之后需要检查其他特定值，只要把[-999]替换成目标值即可，这个逻辑完全通用。

内容的提问来源于stack exchange，提问作者Windstorm1981