我在 pandas 中的数据帧上运行了一个相当复杂的过滤器（我正在过滤以通过字典传递针对 67 个不同阈值的测试结果）。为了做到这一点，我有以下几点：
query_string = ' | '.join([f'{k} > {v}' for k , v in dictionary.items()])
test_passes = df.query(query_string, engine='python')
其中 k 是测试名称，v 是阈值。
这很好用，我可以将测试通过的行导出到 csv。
我想知道是否还有一种方法可以附加一个计算测试通过次数的列。例如，如果特定行记录了 1-67 次测试通过。
【问题讨论】：
所以我终于“解决”了以下问题，从最初发布的 pandas 查询开始。最初的问题是我的用例的测试通过，如果实际上是测试失败......
test_failures = data.query(query_string, engine='python').copy()
复制是为了防止无意的数据操作和链接错误消息。
for k, row in test_failures.iterrows():
failure_count=0
test_count=0
for key, val in threshold_dict.items():
test_count +=1
if row[key] > val:
failure_count +=1
test_failures.at[k, 'Test Count'] = test_count
test_failures.at[k, 'Failure Count'] = failure_count
根据我的阅读，iterrows() 不是最快的迭代方法，但它确实分别提供了索引 (k) 和数据字典 (行)，我发现它们比 itertuples() 中返回的元组更有用.
sorted_test_failures = test_failures.sort_values('Failure Count', ascending=False)
sorted_test_failures.to_csv('failures.csv', encoding='utf8')
稍微整理和保存以完成。
我已经在 (8000 x 66) 的虚拟数据集上进行了测试 - 它没有提供突破性的速度，但可以完成工作。任何改进都会很棒！
【讨论】：
这里已经回答了：
https://stackoverflow.com/a/24516612/6815750
但举个例子，您可以执行以下操作：
new_df = df.apply(pd.Series.value_counts, axis = 1) #where df is your current dataframe holding the pass/fails
df[new_df.columns] = new_df
【讨论】：
您可以改用以下方法：
dictionary = {'a':'b', 'b': 'c'}
data = pd.DataFrame({'a': [1,2,3], 'b': [ 2,1,2], 'c': [2,1,1] })
test_components = pd.DataFrame([df.loc[:, k] > df.loc[:, v] for k , v in dictionary.items()]).T
# now can inspect what conditions were met in `test_components` variable
condition = test_components.any(axis=1)
data_filtered = data.loc[common_condition, :]
【讨论】：