如何在Pandas DataFrame中按条件统计超3天的水果出现次数？

嘿，这事儿完全没必要用繁琐的apply！Pandas自带的工具就能轻松实现你的需求，我给你分享几种最顺手的方法：

先构造示例数据 #

首先咱先把你说的DataFrame建出来，方便你复现测试：

import pandas as pd

df = pd.DataFrame({
    'fruit': ['apple', 'apple', 'orange', 'orange'],
    'days_old': [4, 5, 1, 5]
})

方法一：布尔过滤 + value_counts()（最直接） #

这是我平时用得最多的写法，一步到位：

# 先筛选出days_old大于3的行，再统计各水果出现次数
count_result = df[df['days_old'] > 3]['fruit'].value_counts()
print(count_result)

输出结果：

apple     2
orange    1
Name: fruit, dtype: int64

原理很简单：df['days_old'] > 3生成布尔索引，帮我们挑出符合条件的行；接着取fruit列，用value_counts()直接统计频次，比apply简洁太多！

方法二：分组统计（适合后续扩展） #

如果你之后还要对分组做更多操作，用groupby的写法也很清晰：

# 先过滤再分组统计数量
count_result = df[df['days_old'] > 3].groupby('fruit').size()

这个写法的结果和上面完全一致，size()会返回每个分组的行数，也就是我们要的出现次数。

转成你要的直观格式 #

如果想得到你说的“2个苹果、1个橙子”这种更友好的格式，可以把结果转成字典或者自定义字符串：

# 转成字典
result_dict = count_result.to_dict()
# 输出: {'apple': 2, 'orange': 1}

# 生成描述性字符串
result_str = ", ".join([f"{count}个{fruit}" for fruit, count in count_result.items()])
print(result_str)
# 输出: "2个apple, 1个orange"

内容的提问来源于stack exchange，提问作者Chuck