计算与条件匹配的行中的值-Python

我有一个包含整数和NaN的数据帧。我几乎希望创建一个countif语句，它将迭代一行中的每个值，并对大于0的值进行计数

以下是一个示例：

d = {'col1': [1, "", 5, 0], 'col2': [3, 4, "", 7], 'col3': [2, 8, "", 3]}
df = pd.DataFrame(data=d)
df = df.convert_objects(convert_numeric = True)

df
Out[356]: 
col1  col2  col3
0   1.0   3.0   2.0
1   NaN   4.0   8.0
2   5.0   NaN   NaN
3   0.0   7.0   3.0

我一直在使用下面的函数来计算非NaN的值，但是我想对大于0的值设置一个条件&非NaN

df.apply(lambda x: x.count(), axis = 1)
Out[357]: 
0    3
1    2
2    1
3    3
dtype: int64

---

如果有人能提供建议，说明如何根据特定条件计算行中的值，这将非常有用，请提前感谢。

Pandas允许您广播比较器，因此df>0创建一个数据帧，其中每个条目都是布尔值，根据df的对应条目是否大于0，这也会考虑NaN，因为np.nan>0被计算为False。然后，sum方法将True强制为1，将False强制为0，并查找总数。由于需要行总计，因此希望轴为1。因此：

---

df>0.sumaxis=1允许广播比较器，因此df>0根据df的相应条目是否大于0创建一个数据帧，其中每个条目都是布尔值，这也会考虑NaN，因为np.NaN>0被评估为False。然后，sum方法将True强制为1，将False强制为0，并查找总数。由于需要行总计，因此希望轴为1。因此：

df>0.sumaxis=1

这应该可以：

df.apply(lambda s: (s > 0).sum(), axis=1)

将其转换为布尔值并求和

样本输出：

  df.apply(lambda s: (s > 1).sum(), axis=1)

输出：

  2
  2
  1
  2
dtype: int64

您也可以在此处使用特定的按列条件，例如：

df.apply(lambda s: (s.col1 > 1).sum(), axis=1)

这应该起作用：

df.apply(lambda s: (s > 0).sum(), axis=1)

将其转换为布尔值并求和

样本输出：

  df.apply(lambda s: (s > 1).sum(), axis=1)

输出：

  2
  2
  1
  2
dtype: int64

您也可以在此处使用特定的按列条件，例如：

df.apply(lambda s: (s.col1 > 1).sum(), axis=1)

---

df>0.sumaxis=1？最后一行有3个条目，但最后一行中只有两个条目大于0。是否要计算大于或等于0的条目数？请查看更新的答案。df>0。sumaxis=1？最后一行有3个条目，但最后一行中只有两个条目大于0。是否要计算大于或等于0的数量？请查看更新的答案。