python - 通过行比较迭代 pandas 列

Question

我的数据框中有很多列，我想将每列中的值与特定列进行比较。例如，假设我想对于该数据框中的每一列，对列值和标签都等于 1 的情况求和:

 col1 | col2 | col3 | ... | label
  1   |  0   |  0   | ... |   1
  0   |  0   |  1   | ... |   0

当我尝试使用 df.apply(lambda x: x.label==1, axis=1) 之类的方法执行此操作时，我可以使用 x 选择标签列。标签，但如何选择列本身？

我可以使用 for 循环来迭代列名称来完成此操作，但我想知道是否有一种更像 pandas 的方法可以在不使用循环的情况下完成此操作。

results = []
for col in df.columns:
    val = len(df[(df[col]==1) & (df.label==1)])
    results.append(val)

Answer 1

只需按标签过滤并对剩下的内容进行求和即可:

df.loc[df['label'] == 1].sum()

示例:

df = pd.DataFrame(np.random.randint(2, size=(10, 4)),
                  columns=['col1', 'col2', 'col3', 'label'])
print(df)

   col1  col2  col3  label
0     0     0     1      1
1     1     1     0      0
2     1     1     0      0
3     0     0     0      0
4     0     0     1      0
5     0     0     0      1
6     1     0     1      1
7     0     1     1      0
8     0     0     0      0
9     0     0     0      0

results = []
for col in df.columns:
    val = len(df[(df[col]==1) & (df.label==1)])
    results.append(val)
results

[1, 0, 2, 3]

df.loc[df['label'] == 1].sum().tolist()

[1, 0, 2, 3]

编辑:

如果不是所有内容都为 0 或 1，但您仍想对列值和标签都等于 1 的情况进行求和，则在按标签过滤后，将所有非 0 或 1 的内容都设为 0，然后将其中的值求和左:

df = pd.DataFrame(np.random.randint(3, size=(10, 4)),
                  columns=['col1', 'col2', 'col3', 'label'])
print(df)

   col1  col2  col3  label
0     0     0     2      1
1     1     0     0      2
2     2     1     0      2
3     1     1     1      0
4     0     0     2      1
5     2     2     1      2
6     0     2     1      1
7     1     1     0      0
8     1     0     0      2
9     0     2     1      2

results = []
for col in df.columns:
    val = len(df[(df[col]==1) & (df.label==1)])
    results.append(val)
results

[0, 0, 1, 3]

df.loc[df['label'] == 1][df == 1].sum().fillna(0).tolist()

[0.0, 0.0, 1.0, 3.0]