Python 计算某个条件所在字段中每行的列数

我有一个熊猫数据框，如下所示：

data = pd.DataFrame({'w1':[0,1,0],'w2':[5,8,0],'w3':[0,0,0],'w4' :[5,1,0], 'w5' : [7,1,0],'condition' : [5,1,0]})

我需要有一个列，对于每一行，计算其值等于“条件”的列数（除“条件”之外的列）。 最终输出应如下所示：

我不想写for循环

作为解决方案，我想用

np替换等于“条件”的值，用1替换其他值，其中
如下所示，然后对每行的1求和，这是没有帮助的：

data = pd.DataFrame(np.where(data.loc[:,data.columns != 'condition'] == data['condition'], 1, 0), columns = data.columns)

这只是一个想法（我的意思是将值替换为1和0），但是任何pythonic解决方案都是值得的。
比较所有没有last by column
条件的列，并通过
sum
计算
True
s：

data['new'] = data.iloc[:, :-1].eq(data['condition'], axis=0).sum(axis=1)

另一个想法是将所有列与remove
condition
col进行比较：

data['new'] = data.drop('condition', axis=1).eq(data['condition'], axis=0).sum(axis=1)

感谢您在@Sayandip Dutta发表评论，您的想法是比较所有列并删除
1
：

data['new'] = data.eq(data['condition'], axis=0).sum(axis=1).sub(1)


比较所有不带last by column
条件的列
和count
True
s by
sum
：

data['new'] = data.iloc[:, :-1].eq(data['condition'], axis=0).sum(axis=1)

另一个想法是将所有列与remove
condition
col进行比较：

data['new'] = data.drop('condition', axis=1).eq(data['condition'], axis=0).sum(axis=1)

感谢您在@Sayandip Dutta发表评论，您的想法是比较所有列并删除
1
：

data['new'] = data.eq(data['condition'], axis=0).sum(axis=1).sub(1)


为什么用0/1代替实际的布尔值？为什么用0/1代替实际的布尔值？