如何在DataFrame中统计每行pine树种总数量并生成新变量？

没问题，我来帮你搞定这个需求！你的DataFrame里每一组pX列对应spX列的树种数量，我们需要把每行里所有标记为pine的树种对应的数量加起来，生成新的pine列。

步骤1：明确数据结构 #

先把你的原始DataFrame整理成更清晰的表格格式：

步骤2：实现统计逻辑 #

这里提供两种实用方法，你可以根据场景选择：

方法一：矢量化操作（推荐，大数据处理更高效）

利用pandas的矢量化特性，避免逐行循环，速度更快：

import pandas as pd

# 假设你的DataFrame已创建，名为sp
# 定义对应的数量列和树种列
p_cols = ['p1', 'p2', 'p3']
sp_cols = ['sp1', 'sp2', 'sp3']

# 生成布尔矩阵，标记哪些位置的树种是pine
pine_mask = sp[sp_cols] == 'pine'

# 把布尔值转成对应数量（True取对应p列的值，False取0），再每行求和
sp['pine'] = pine_mask.multiply(sp[p_cols]).sum(axis=1)

方法二：apply逐行处理

列数不多时，这种方式更直观易懂：

# 定义列对
p_cols = ['p1', 'p2', 'p3']
sp_cols = ['sp1', 'sp2', 'sp3']

# 对每行遍历列对，累加pine对应的数量
sp['pine'] = sp.apply(
    lambda row: sum(row[p_col] for p_col, sp_col in zip(p_cols, sp_cols) if row[sp_col] == 'pine'),
    axis=1
)

步骤3：查看最终结果 #

处理后你的DataFrame会新增pine列，结果如下：

补充提示 #

如果后续有更多pX/spX列（比如p4/sp4），只需要扩展p_cols和sp_cols的列表即可，代码不需要大改动~

内容的提问来源于stack exchange，提问作者Mostarin Binte Ahmed