如何统计符合筛选条件的行数并为Pandas DataFrame添加尝试次数列？

嘿，我来帮你搞定这两个Pandas需求！先把咱们的数据再明确下（我调整了数字格式，避免Python语法报错）：

import pandas as pd

general = pd.DataFrame(
    columns=["code","grade","year","quarter","subject"],
    data=[[1,4.5,2011,1,1],[1,5.0,2012,2,1],[23,5.0,2013,1,2],[1,7.5,2011,1,2]]
)
last = pd.DataFrame(
    columns=["code","grade","subject"],
    data=[[1,5.0,1],[1,7.5,2],[23,5.0,2]]
)

Pandas里统计符合条件的行数非常灵活，核心是用布尔索引筛选数据，再用shape[0]、len()或者count()获取行数。我给你举几个常见的例子：

例子1：统计general中code为1的学生所有记录行数 #

# 筛选code等于1的行，然后取行数
count_code_1 = general[general['code'] == 1].shape[0]
print(count_code_1)  # 输出：3

例子2：统计general中grade≥5且subject为2的记录行数 #

# 多条件筛选要用&连接，每个条件加括号
count_grade_subject = general[(general['grade'] >= 5) & (general['subject'] == 2)].shape[0]
print(count_grade_subject)  # 输出：2

例子3：统计last中grade等于5.0的行数 #

count_last_grade_5 = last[last['grade'] == 5.0].shape[0]
print(count_last_grade_5)  # 输出：2

你只需要根据自己的实际筛选条件调整布尔索引部分就行～

这里的逻辑是：对last里的每个学生（code）+科目（subject）组合，统计general中该组合出现的次数（也就是尝试次数）。咱们可以用groupby+merge来实现：

步骤1：先统计general中每个code+subject的尝试次数 #

# 按code和subject分组，统计每组的行数（即尝试次数）
attempts_count = general.groupby(['code', 'subject']).size().reset_index(name='attempts')

这一步会生成一个新的DataFrame，每个行对应一个code+subject组合，以及对应的尝试次数。

步骤2：把统计结果合并到last中 #

# 按code和subject列合并，保留last的所有行
last = last.merge(attempts_count, on=['code', 'subject'], how='left')

最终结果 #

运行完上面的代码后，last会变成这样：

完美对应每个学生科目所需的尝试次数～

内容的提问来源于stack exchange，提问作者MTT