如何在Pandas DataFrame中统计'MISSED'值？

当然可以搞定这个需求！Pandas虽然没有专门针对'MISSED'的内置统计函数，但用现有工具就能轻松实现，思路和你用df.isnull().sum()统计NaN完全一致～

我给你几种实用的操作方法：

• 按列统计'MISSED'数量：和isnull()的逻辑一样，我们先用eq('MISSED')判断每个元素是否等于'MISSED'（返回布尔值的DataFrame），再用sum()累加每列的匹配次数：

  df.eq('MISSED').sum()
  

  这个操作会返回一个Series，每个值对应对应列中'MISSED'的总数。

• 统计整个DataFrame的'MISSED'总数：如果需要知道整个表格里一共有多少个'MISSED'，只需要在上面的基础上再套一层sum()，或者直接操作底层数组提升效率：

  # 两层sum累加列的结果
  df.eq('MISSED').sum().sum()
  # 更高效的写法：直接操作numpy数组
  (df == 'MISSED').values.sum()
  

• 针对特定列统计：如果只需要统计某一列的'MISSED'数量，直接指定列名即可：

  df['目标列名'].eq('MISSED').sum()
  

实际示例演示 #

假设我们有这样一个DataFrame：

import pandas as pd

data = {
    '订单状态': ['MISSED', '已完成', 'MISSED', None],
    '支付状态': ['已支付', 'MISSED', '已支付', 'MISSED']
}
df = pd.DataFrame(data)

运行df.eq('MISSED').sum()会得到：

订单状态    2
支付状态    2
dtype: int64

如果担心'MISSED'有大小写或空格问题（比如missed、MISSED），可以先做统一格式处理：

df.apply(lambda col: col.str.strip().str.upper()).eq('MISSED').sum()

内容的提问来源于stack exchange，提问作者b0chData