Pandas技术问题：为每行统计满足自定义条件的其他行数

嘿，这个需求我太熟了！本质上就是要让每一行和整个数据集做条件匹配，然后统计符合要求的行数对吧？我给你两种实用方案，按需选就行：

1. 直观易懂的apply方法（适合小数据集） #

这种方法代码逻辑直白，新手也能一眼看懂，适合数据量不大的场景：

首先我们先构造一个示例人员数据集方便演示：

import pandas as pd

data = {
    '姓名': ['张三', '李四', '王五', '赵六'],
    '身高': [175, 180, 170, 185],
    '体重': [70, 65, 75, 60]
}
df = pd.DataFrame(data)

接下来定义一个统计函数，每传入一行数据，就和整个DataFrame对比「其他行身高更高且体重更轻」的条件，最后用sum()统计符合条件的行数：

def count_taller_and_lighter(row):
    # 同时满足两个条件：其他行身高>当前行身高，且其他行体重<当前行体重
    condition = (df['身高'] > row['身高']) & (df['体重'] < row['体重'])
    # True会被当作1，False当作0，sum就得到符合条件的总人数
    return condition.sum()

# 新增一列存储统计结果
df['更高更轻人数'] = df.apply(count_taller_and_lighter, axis=1)

运行后得到的结果是：

姓名   身高  体重  更高更轻人数
0  张三  175  70        2  # 李四、赵六符合条件
1  李四  180  65        1  # 只有赵六符合
2  王五  170  75        3  # 张三、李四、赵六都符合
3  赵六  185  60        0  # 没人比他更高更轻

优缺点 #

• ✅ 优点：逻辑直观，代码容易调试和修改
• ❌ 缺点：apply是逐行循环执行，当数据集超过一万行时，速度会明显变慢

2. 高效的矢量化方案（适合大数据集） #

如果你的数据量很大（比如十万级以上），强烈推荐用这种基于numpy广播的矢量化方法，速度能比apply快几十倍甚至上百倍：

# 提取身高和体重的numpy数组
heights = df['身高'].values
weights = df['体重'].values

# 用广播生成二维对比矩阵：每一行代表当前行，每一列代表其他行
# heights[:, None] 把一维数组转成列向量，和原数组广播成n×n的矩阵
taller = heights[:, None] < heights  # 当前行身高 < 其他行身高 → 标记为True
lighter = weights[:, None] > weights  # 当前行体重 > 其他行体重 → 标记为True

# 两个条件同时满足，然后对每一行求和得到统计数
df['更高更轻人数_矢量化'] = (taller & lighter).sum(axis=1)

运行后得到的结果和apply方法完全一致，但执行效率天差地别——因为这里没有循环，完全是底层的数组运算。

注意事项 #

如果你的数据里有缺失值（NaN），记得先处理（比如用df.dropna()删除缺失行，或者用df.fillna()填充），不然对比结果会出现NaN，求和时可以加上skipna=True参数忽略这些值：

df['更高更轻人数_矢量化'] = (taller & lighter).sum(axis=1, skipna=True)

内容的提问来源于stack exchange，提问作者firestreak