python - Pandas 计算每列中的元素数少于x

我有一个DataFrame，如下所示。我正在尝试计算每列中小于2.0的元素数，然后以条形图可视化结果。我使用列表和循环来完成此操作，但我想知道是否存在“ Pandas 方式”来快速执行此操作。谢谢!

x = []
for i in range(6):
    x.append(df[df.ix[:,i]<2.0].count()[i])

然后我可以使用列表x获得条形图。

          A          B          C          D          E          F
0       2.142      1.929      1.674      1.547      3.395      2.382
1       2.077      1.871      1.614      1.491      3.110      2.288
2       2.098      1.889      1.610      1.487      3.020      2.262
3       1.990      1.760      1.479      1.366      2.496      2.128
4       1.935      1.765      1.656      1.530      2.786      2.433

最佳答案

In [96]:

df = pd.DataFrame({'a':randn(10), 'b':randn(10), 'c':randn(10)})
df
Out[96]:
          a         b         c
0 -0.849903  0.944912  1.285790
1 -1.038706  1.445381  0.251002
2  0.683135 -0.539052 -0.622439
3 -1.224699 -0.358541  1.361618
4 -0.087021  0.041524  0.151286
5 -0.114031 -0.201018 -0.030050
6  0.001891  1.601687 -0.040442
7  0.024954 -1.839793  0.917328
8 -1.480281  0.079342 -0.405370
9  0.167295 -1.723555 -0.033937

[10 rows x 3 columns]
In [97]:

df[df > 1.0].count()

Out[97]:
a    0
b    2
c    2
dtype: int64

因此，在您的情况下:

df[df < 2.0 ].count()

应该管用

编辑

一些时机

In [3]:

%timeit df[df < 1.0 ].count()
%timeit (df < 1.0).sum()
%timeit (df < 1.0).apply(np.count_nonzero)
1000 loops, best of 3: 1.47 ms per loop
1000 loops, best of 3: 560 us per loop
1000 loops, best of 3: 529 us per loop

所以@DSM的建议是正确的，并且比我的建议快得多

关于python - Pandas 计算每列中的元素数少于x，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/23833763/