pandas 查询数据中包含指定内容的数量

看过来

《pandas 教程》持续更新中，提供建议、纠错、催更等加作者微信: gairuo123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

pandas 可以对 DataFrame 中的每个值进行逻辑计算，这就要借助于 applymap() 方法。在本例中，我们的数据值中对异常数据已经进行了标记，现在需要计算出有异常标记值的数量。

数据与需求

我们先构造计算数据：

import pandas as pd

data = {
  'a': pd.date_range('20220501', periods=5),
  'b': [4,'0[异常]',6,7,8],
  'c': [9,8,'16[异常]',6,4],
  'd': range(5),
}

df = pd.DataFrame(data)
df
'''
           a      b       c  d
0 2022-05-01      4       9  0
1 2022-05-02  0[异常]       8  1
2 2022-05-03      6  16[异常]  2
3 2022-05-04      7       6  3
4 2022-05-05      8       4  4
'''

数据中，我们将 0 和 16 进行了异常字样的标注，需求为计算此类数据在整个 DataFrame 中的数量。

代码

先将数据全部转为字符串，以便我们可以进行 str 的 in 操作。利用 applymap() 对每个值计算是否包含「异常」字样。

(
    df.astype(str)
    .applymap(lambda x: '异常' in x)
)
'''
       a      b      c      d
0  False  False  False  False
1  False   True  False  False
2  False  False   True  False
3  False  False  False  False
4  False  False  False  False
'''

在得到的布尔矩阵中，按列计算 True 的数量，利用 sum() 操作时将 True 按 1 计算的特性进行操作，得到一个各列的 True 值数量序列，最后再用一个 sum() 将这些数量加起来：

(
    df.astype(str)
    .applymap(lambda x: '异常' in x)
    .sum()
    .sum()
)
# 2

这样就得到了我们需要的数量。

（完）

pandas 查询数据中包含指定内容的数量

数据与需求

代码

相关内容