我有一个 3000 行 x 101 列的数据框，如下所示：
Time id0 id1 id2 ………… id99
1 1.71 6.99 4.01 ………… 4.98
2 1.72 6.78 3.15 ………… 4.97
.
.
3000 0.36 0.23 0.14 ………… 0.28
使用 Python，我们如何添加一个列来为每一行计算特定范围内的值（在 column id0、 to 中）的数量？id99
如何按行计算特定范围内值的出现次数
数据挖掘
Python
熊猫
2022-01-29 15:14:21
2个回答
您可以使用方法将函数应用于 DataFrame 的每一行apply。between在应用函数中，您可以先使用方法或标准关系运算符将行转换为布尔数组，然后使用方法True对布尔数组的值进行计数sum。
import pandas as pd
df = pd.DataFrame({
'id0': [1.71, 1.72, 1.72, 1.23, 1.71],
'id1': [6.99, 6.78, 6.01, 8.78, 6.43],
'id2': [3.11, 3.11, 4.99, 0.11, 2.88]})
def count_values_in_range(series, range_min, range_max):
# "between" returns a boolean Series equivalent to left <= series <= right.
# NA values will be treated as False.
return series.between(left=range_min, right=range_max).sum()
# Alternative approach:
# return ((range_min <= series) & (series <= range_max)).sum()
range_min, range_max = 1.72, 6.43
df["n_values_in_range"] = df.apply(
func=lambda row: count_values_in_range(row, range_min, range_max), axis=1)
print(df)
结果数据框：
id0 id1 id2 n_values_in_range
0 1.71 6.99 3.11 1
1 1.72 6.78 3.11 2
2 1.72 6.01 4.99 3
3 1.23 8.78 0.11 0
4 1.71 6.43 2.88 2
IIUC 你可以使用DataFrame.isin()方法：
数据：
In [41]: given_set = {3,8,11,18,22,24,35,36,42,47}
In [42]: df
Out[42]:
a b c d e
0 36 38 27 12 35
1 45 33 8 41 18
4 32 14 4 14 9
5 43 1 31 11 3
6 16 8 3 17 39
解决方案：
In [44]: df['new'] = df.isin(given_set).sum(1)
In [45]: df
Out[45]:
a b c d e new
0 36 38 27 12 35 2
1 45 33 8 41 18 2
4 32 14 4 14 9 0
5 43 1 31 11 3 2
6 16 8 3 17 39 2
解释：
In [49]: df.isin(given_set)
Out[49]:
a b c d e
0 True False False False True
1 False False True False True
4 False False False False False
5 False False False True True
6 False True True False False
In [50]: df.isin(given_set).sum(1)
Out[50]:
0 2
1 2
4 0
5 2
6 2
dtype: int64
如果你想检查存在而不是计数，你可以这样做：
In [6]: df.isin(given_set).any(1)
Out[6]:
0 True
1 True
4 False
5 True
6 True
dtype: bool
In [7]: df.isin(given_set).any(1).astype(np.uint8)
Out[7]:
0 1
1 1
4 0
5 1
6 1
dtype: uint8