如何用Python Pandas实现Excel COUNTIF函数的计数功能？

嘿，完全没问题！Pandas里有好几种方法能实现和Excel COUNTIF($L$2:$L$3850,"AAA") 一模一样的计数效果，我给你拆解一下最常用的几种写法：

核心思路对应 #

Excel里的COUNTIF(range, criteria)是统计指定范围内符合条件的单元格数量，在Pandas里我们可以针对DataFrame的列（对应Excel的L列）做同样的逻辑判断。

方法1：布尔索引求和（最贴近COUNTIF逻辑） #

这是最直观的写法，和COUNTIF的思路完全对齐：

# 统计整个L列中等于"AAA"的数量
count_aaa = df['L'].eq('AAA').sum()

• df['L'].eq('AAA')会生成一个布尔Series，符合条件的行是True（等价于1），不符合的是False（等价于0）
• .sum()就是把这些1加起来，得到总计数

如果要和Excel一样限定行范围（比如L2到L3850），注意Pandas是0索引，Excel的第2行对应Pandas的索引1，第3850行对应索引3849，所以代码改成：

count_aaa_range = df.loc[1:3849, 'L'].eq('AAA').sum()

方法2：用value_counts（适合多值统计，更安全） #

如果你需要同时统计多个值的数量，或者担心"AAA"可能不存在导致报错，可以用value_counts()配合.get()：

count_aaa = df['L'].value_counts().get('AAA', 0)

• value_counts()会返回列中所有值的计数结果
• .get('AAA', 0)表示如果"AAA"存在就返回它的计数，不存在就返回0，避免KeyError

方法3：groupby + size（分组统计场景适用） #

如果后续需要基于列做更多分组操作，也可以用groupby：

count_aaa = df.groupby('L').size().get('AAA', 0)

这个方法和value_counts效果类似，适合复杂的分组统计场景。

完整示例代码 #

import pandas as pd

# 模拟你的DataFrame（替换成你实际的数据加载方式）
df = pd.read_excel('your_excel_file.xlsx')  # 从Excel读取数据，或者用pd.DataFrame()创建

# 选择你需要的方法
# 方法1：全列统计'AAA'的数量
total_aaa = df['L'].eq('AAA').sum()
print(f"L列中'AAA'的数量：{total_aaa}")

# 方法1带行范围（对应Excel的L2:L3850）
total_aaa_range = df.loc[1:3849, 'L'].eq('AAA').sum()
print(f"L2到L3850中'AAA'的数量：{total_aaa_range}")

这些方法都能完美替代Excel的COUNTIF函数，根据你的实际场景选就行～

内容的提问来源于stack exchange，提问作者Jake Han