Python 3.x 在某些条件下，使用计数方法对数据帧重新采样

我正在尝试从数据帧中重新采样数据。列具有不同类型的数据。对于其中一列，我想计算该列的值大于0的行数

一个小例子如下所示：

import pandas as pd
import numpy as np

df = pd.DataFrame(data={'Date': pd.date_range('2018-01-01','2018-01-15'),
                        'A': np.random.randint(5, size=15)})
df.set_index(df.Date, inplace=True)

df.resample('5D').count()

df.resample('5D').count(df[df.A > 0])

计数是有效的，但是我找不到一种方法来插入一个条件，即我只想对大于0的值进行计数。大概是这样的：

import pandas as pd
import numpy as np

df = pd.DataFrame(data={'Date': pd.date_range('2018-01-01','2018-01-15'),
                        'A': np.random.randint(5, size=15)})
df.set_index(df.Date, inplace=True)

df.resample('5D').count()

df.resample('5D').count(df[df.A > 0])

但是，

TypeError:'DataFrame'对象是可变的，因此不能对它们进行散列处理

问题：如何在有条件的情况下

resample（）.count（）

您可以使用

True

s值的

sum

，这些值是类似

1

s的过程：

np.random.seed(57)

import pandas as pd
import numpy as np

df = pd.DataFrame(data={'Date': pd.date_range('2018-01-01','2018-01-15'),
                        'A': np.random.randint(5, size=15)})
df.set_index(df.Date, inplace=True)

df1 = df.resample('5D')['A'].apply(lambda x: (x > 0).sum())
print (df1)
Date
2018-01-01    2
2018-01-06    3
2018-01-11    4
Name: A, dtype: int64

或者更好的解决方案是创建布尔掩码，并使用

重采样
聚合
求和
：

df1 = (df['A'] > 0).resample('5D').sum().astype(int)
print (df1)

Date
2018-01-01    2
2018-01-06    3
2018-01-11    4
Name: A, dtype: int32

是的，它之所以计数是因为它是布尔真值的和，比如
s=pd.Series（[True，False，True，False，True]）print（s.sum（））