如何使用Python计算列中指定值的出现次数

在下面的数据框中，我需要计算列IsCleared中有多少行包含“False”

       IsCleared
0       False   
1       False
2       True
3       False

因此，我在Python 2.7中执行以下操作：

sum = df[df.IsCleared == 'False'].count()
print sum

但我得到了这个错误：

FutureWarning: elementwise comparison failed; returning scalar instead, but in the future will perform elementwise comparison
  result = getattr(x, name)(y)
invalid type comparison

我做错了什么

这样做：

df['IsCleared'].value_counts()

这将为您提供false和true的总数

执行以下操作：

df['IsCleared'].value_counts()

---

这将为您提供false和true的总计数

您有一个布尔掩码。那为什么不用它呢

>>> (~df.IsCleared).sum()
3

---

将

False

值求反为

True

，然后将其相加（因为

True

相当于

1

，而

False

相当于

0

，这样做效果很好）

您有一个布尔掩码。那为什么不用它呢

>>> (~df.IsCleared).sum()
3

---

将

False

值求反为

True

，然后将其相加（因为

True

相当于

1

，而

False

相当于

0

，这样做效果很好）

您做错了，因为您在第行将

False

转换为字符串

'False'

df[df.IsCleared=='False'].count（）

因此，它会抱怨，因为您让它将布尔值与字符串进行比较

无效类型比较

换成

df[df.IsCleared == False].count()

---

它会起作用的。

你做错了，因为你把

False

变成了一个字符串

'False'

df[df.IsCleared=='False'].count（）

因此，它会抱怨，因为您让它将布尔值与字符串进行比较

无效类型比较

换成

df[df.IsCleared == False].count()

---

它应该可以工作。

（~df.IsCleared）.sum（）

我认为

IsCleared

的数据类型是布尔型的，但您正在与字符串进行比较。这些是不同的类型，因此无法进行比较。

df[~df['IsCleared']]。shape[0]

@cᴏʟᴅsᴘᴇᴇᴅ 这是一个很好的解决方案。你为什么不把它作为答案发布？@cᴏʟᴅsᴘᴇᴇᴅ 对我投了赞成票：）

（~df.IsCleared）.sum（）

我认为

IsCleared

的数据类型是布尔型的，但您正在与字符串进行比较。这些是不同的类型，因此无法进行比较。

df[~df['IsCleared']]。shape[0]

@cᴏʟᴅsᴘᴇᴇᴅ 这是一个很好的解决方案。你为什么不把它作为答案发布？@cᴏʟᴅsᴘᴇᴇᴅ 对我投了赞成票：）OP询问如何计算

False

值，而不是同时计算

False

和

True

。OP询问如何计算

False

值，而不是同时计算

False

和

True

。非常简洁。非常感谢。在df.IsCleared之前，~意味着什么？@sprogisd它只是意味着我否定了掩码，所以所有的F值都变成了T，反之亦然。让我用这种方法计算F值的个数，一旦我对它们求反。非常简洁。非常感谢。在df.IsCleared之前，~意味着什么？@sprogisd它只是意味着我否定了掩码，所以所有的F值都变成了T，反之亦然。让我以这种方式计算F值的个数，一旦我对它们求反。