在Python Pandas中执行类似Excel的counttifs操作

在Python Pandas中执行类似Excel的countif和countifs操作可以使用Pandas数据处理功能中的条件筛选和统计方法，主要包括以下两种方法：

1. 使用布尔索引筛选出符合条件的子集，然后使用len()函数或count()方法计算子集中的行数。

例如，我们有一个包含学生姓名、性别和分数的DataFrame，我们想要统计分数大于80分的男生人数，代码如下：

import pandas as pd

# 创建DataFrame
data = {'Name':['张三', '李四', '王五', '赵六', '小明'], 
        'Gender':['男', '男', '女', '男', '男'],
        'Score':[75, 90, 83, 78, 95]}
df = pd.DataFrame(data)

# 筛选出符合条件的子集
subset = df[(df['Gender']=='男') & (df['Score']>80)]

# 统计子集中的行数
count = len(subset)
print(count)

上述代码中，我们使用布尔索引筛选出符合条件的子集，subset变量是一个DataFrame对象，包含所有符合条件的行。然后，我们使用Python内置的len()函数计算子集中的行数，得到男生中分数大于80分的人数。

1. 使用groupby()方法和agg()方法进行分组统计。

如果我们需要对DataFrame中的某列数据进行分组统计，可以使用groupby()方法将数据按照指定列分组，然后使用agg()方法对分组后的数据进行聚合计算，统计符合条件的行数。

例如，我们有一个包含学生姓名、性别、年龄和分数的DataFrame，我们想要统计每个性别中分数大于80分的人数，代码如下：

import pandas as pd

# 创建DataFrame
data = {'Name':['张三', '李四', '王五', '赵六', '小明'], 
        'Gender':['男', '男', '女', '男', '男'],
        'Age':[18, 19, 18, 17, 20],
        'Score':[75, 90, 83, 78, 95]}
df = pd.DataFrame(data)

# 按照Gender列进行分组，然后对Score列进行聚合计算
result = df.groupby('Gender')['Score'].agg(lambda x: sum(x>80))

print(result)

上述代码中，我们使用groupby()方法将数据按照Gender列分组，然后使用agg()方法对分组后的数据进行聚合计算，其中lambda表达式表示计算分数大于80分的行数。运行结果如下：

Gender
女    1
男    2
Name: Score, dtype: int64

上述结果表示，女生中分数大于80分的人数是1个，男生中分数大于80分的人数是2个。

如果我们需要统计多个条件同时满足的行数，可以使用布尔运算符"&"（和运算）和"|"（或运算）连接条件，例如：

# 统计年龄大于18岁且分数大于80分的男生人数
subset = df[(df['Gender']=='男') & (df['Age']>18) & (df['Score']>80)]
count = len(subset)

# 统计年龄大于18岁或分数大于80分的人数
subset = df[(df['Age']>18) | (df['Score']>80)]
count = len(subset)

参考资料：
Pandas官方文档：https://pandas.pydata.org/docs/index.html