基于另一DataFrame的值统计目标DataFrame行内非空值（Pandas求助）

嘿，我来帮你搞定这个问题！从你的示例数据来看，你想要给df1新增一列，这列的值对应df2每行的非空（这里应该是指非0值）数量对吧？下面是具体的实现步骤：

1. 先还原你的示例数据 #

首先我们先把你给出的两个DataFrame用代码创建出来，方便测试：

import pandas as pd

df1 = pd.DataFrame({
    'a_1': [0, 1, 0],
    'a_2': [2, 3, 0],
    'a_3': [5, 4, 0]
})

df2 = pd.DataFrame({
    'b_1': [0, 1, 0],
    'b_2': [0, 0, 0],
    'b_3': [1, 1, 0]
})

2. 统计每行非空值并新增列 #

我们可以用Pandas的布尔判断和按行求和来快速实现：

# 统计df2每行的非0值数量，将结果作为新列添加到df1中
df1['non_zero_count'] = df2.ne(0).sum(axis=1)

代码解释： #

• df2.ne(0)：生成一个布尔型DataFrame，所有不等于0的元素会被标记为True，等于0的标记为False
• sum(axis=1)：按行对布尔值求和（True会被视为1，False视为0），得到的就是每行非0值的数量
• 直接将这个结果赋值给df1的新列non_zero_count，Pandas会自动按索引对齐行，完全不用担心顺序问题

3. 最终结果 #

运行完代码后，df1会变成这样：

如果你的“非空值”指的是Pandas中的NaN（缺失值），只需要把代码改成下面这样就行：

df1['non_null_count'] = df2.notna().sum(axis=1)

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