Python 3.x 通过使用Dataframe排除特定字来计算每一行

我有一个熊猫数据框，看起来如下所示：

id    info_type1    pval1_1    pval2_1     info_type2    pval1_2    pval2_2    info_type3    pval1_3    pval2_3    

ione11    IT       void         0.05       void           1.0       void        IT     void    void    0.04            

ione77    IV       1.0         void       void           1.0       void        void     void    void    0.04            

对于每一行，我都试图计算没有单词void的字段数。计数不应包括字段id（第一个字段）。例如，对于第一行，有5个字段的值不是void，第2行有4个值。因此，我将以一个ID列表结束，其中包含它们的值计数。例如：

id            count 
ione11         5
ione77         4

如果我使用df.iterrows（）进行迭代，我将无法检查每行的所有列。你如何着手解决这个问题

---

非常感谢。

您可以将每个项目映射为一个整数，然后对行求和

import numpy as np
import pandas as pd

df = pd.DataFrame([["it", "void", "1"], ["it", "void", "1"]])        
df = df.applymap(lambda x: 1 if x == 'void' else 0)
df = df.sum(axis = 1))

资源：

---

您可以将每个项目映射为一个整数，然后对行求和

import numpy as np
import pandas as pd

df = pd.DataFrame([["it", "void", "1"], ["it", "void", "1"]])        
df = df.applymap(lambda x: 1 if x == 'void' else 0)
df = df.sum(axis = 1))

资源：

---

尝试对行应用

：

df\upd=DataFrame（）
df_['id']=df['id']
df_['count']=df.apply（lambda行：len（行[1:]）-行[1:].tolist（）.count（'void'），轴=1）

要计算序列中出现的
void
，还可以使用
sum（行[1:].isin（['void']）

尝试对行应用

df\upd=DataFrame（）
df_['id']=df['id']
df_['count']=df.apply（lambda行：len（行[1:]）-行[1:].tolist（）.count（'void'），轴=1）

要计算序列中出现的
void
，还可以使用
sum（行[1:].isin（['void']）

这样做的方法是将
void
转换为
NaN
，并使用
notna（）
和
sum（）
获得所有非
NaNs
元素的计数，如下所示：

df = pd.DataFrame({'id': {'ione11': 'IT', 'ione77': 'IV'}, 'info_type1': {'ione11': 'void', 'ione77': '1.0'}, 'pval1_1': {'ione11': '0.05', 'ione77': 'void'}, 'pval2_1': {'ione11': 'void', 'ione77': 'void'}, ' info_type2': {'ione11': 1.0, 'ione77': 1.0}, 'pval1_2': {'ione11': 'void', 'ione77': 'void'}, 'pval2_2': {'ione11': 'IT', 'ione77': 'void'}, 'info_type3': {'ione11': 'void', 'ione77': 'void'}, 'pval1_3': {'ione11': 'void', 'ione77': 'void'}, 'pval2_3': {'ione11': 0.04, 'ione77': 0.04}})
df = df.T.replace({'void' : np.nan}).notna().sum().reset_index().rename(columns={0: 'count', 'index': 'id'})
df

输出：

    id      count
0   ione11      5
1   ione77      4

这样做的方法是将
void
转换为
NaN
，并使用
notna（）
和
sum（）
获得所有非
NaNs
元素的计数，如下所示：

df = pd.DataFrame({'id': {'ione11': 'IT', 'ione77': 'IV'}, 'info_type1': {'ione11': 'void', 'ione77': '1.0'}, 'pval1_1': {'ione11': '0.05', 'ione77': 'void'}, 'pval2_1': {'ione11': 'void', 'ione77': 'void'}, ' info_type2': {'ione11': 1.0, 'ione77': 1.0}, 'pval1_2': {'ione11': 'void', 'ione77': 'void'}, 'pval2_2': {'ione11': 'IT', 'ione77': 'void'}, 'info_type3': {'ione11': 'void', 'ione77': 'void'}, 'pval1_3': {'ione11': 'void', 'ione77': 'void'}, 'pval2_3': {'ione11': 0.04, 'ione77': 0.04}})
df = df.T.replace({'void' : np.nan}).notna().sum().reset_index().rename(columns={0: 'count', 'index': 'id'})
df

输出：

    id      count
0   ione11      5
1   ione77      4

您可以对布尔掩码
df！='作废“
（通过将id设置为索引忽略它）：

df.set_index（'id'）.ne（'void'）.sum（axis=1）。reset_index（name='count'））
#身份证计数
#0.11.5
#1.77 4
您可以对布尔掩码求和
df！='作废“
（通过将id设置为索引忽略它）：

df.set_index（'id'）.ne（'void'）.sum（axis=1）。reset_index（name='count'））
#身份证计数
#0.11.5
#1.77 4
Nice solution然而，当我尝试打印dfê时，它不包括id，只包括与id不同的索引。@aBiologist你看到我的另一个
打印（dfê.resetêu index（）.rename（columns={'index'：'id'））
？是的，尝试了。Id不是索引，它是Dataframe中的另一列。此外，计数不应该对id列进行计数，因此计数不太正确。@Abologist在您的示例数据中，第一行有10个值，而其他行有11个值。这是对的吗？不，应该都有相同的长度。不过，很好的解决方案是，当我尝试打印df挈时，它不包括id，只包括与id不同的索引。@aBiologist你看到我的另一个
打印（df挈.reset挈index（）.rename（columns={'index'：'id'））
？是的，尝试了。Id不是索引，它是Dataframe中的另一列。此外，计数不应该对id列进行计数，因此计数不太正确。@Abologist在您的示例数据中，第一行有10个值，而其他行有11个值。是这样吗？不，所有的长度都应该相同。谢谢您的尝试，但我的数据已经在数据帧中，而不是在文件中。您的尝试似乎需要考虑从文件读取数据。我使用的数据框看起来和你的一模一样。让我用我使用的数据框编辑它。谢谢你的尝试，但我的数据已经在数据框中，而不是在文件中。您的尝试似乎需要考虑从文件读取数据。我使用的数据框看起来和你的一模一样。让我用我使用的数据框编辑它。