resumindo
Alguns passos separados são necessários para isso. O objeto DataFrame é feito de forma que a chamada a um método retorna um novo dataframe modificado, e você já pode concatenar direto a próxima operação. Então, para filtrar todas as linhas em que as colunas "x_*" tenham mais de 3 True
e pegar o número total, basta fazer:
In [98]: (df.filter(like='x_').sum(axis=1) >= 3).sum()
Out[98]: 2
Vamos por partes
A primeira coisa é selecionar um subdataframe com as colunas desejadas.
Pandas tem o método filter
que permite isso - apenas as colunas que contém o texto passado no argumento like
são selecionadas:
In [91]: filtered_df = df.filter(like='x_')
In [92]: filtered_df
Out[92]:
x_a x_b x_c x_d
0 True False True True
1 False True True False
2 False True True True
(Se o Pandas não tivesse isso, o caminho seria usar Python puro pra selecionar os nomes das colunas desejadas
...
data_columns = [col_name for col_name in df.columns if col_name.startswith("x_")]
E em seguida método loc
do dataframe, que aceita os nomes de um "selecionar tudo", deixando o valor :
:
filtered_df = df.loc[:, data_columns]
)
Nesse momento você tem só as colunas que te interessam, e podemos fazer a contagem -
x_a x_b x_c x_d
0 True False True True
1 False True True False
2 False True True True
Aqui, podemos abusar de uma característica do Python - os valores False
e True
é uma subclasse de números inteiros, e podem participar de uma soma como se fossem 0 e 1 respectivamente. Então, o método sum
do próprio dataframe pode dar o valor da soma de cada linha da tabela (só precisamos indicar que queremos a soma das linhas passando axis=1
, caso contrário o sum
resulta na soma dos valores em cada coluna:
In [93]: count_df = filtered_df.sum(axis=1)
In [94]: count_df
Out[94]:
0 3
1 2
2 3
dtype: int64
(Se o valor a ser localizado não fosse True, ou o desejado não fosse só contar as ocorrências, em vez do .sum
, usariamos o .apply
- que permite passar uma função genérica que vai receber cada linha do dataframe (ou cada coluna se axis==0), e gerar um resultado.)
E por fim, para saber quantas dessas linhas tem valor acima de 3 - aplicamos o operador >= 3
o pandas redefine todos os operadores binários - sejam aritméticos ou de comparação, para criarem um novo dataframe, com o resultado da operação em cada célula - ou seja:
In [95]: count_df >= 3
Out[95]:
0 True
1 False
2 True
dtype: bool
E aí é só repetir o sum
, desta vez deixando ele somar os True
na coluna:
In [95]: (count_df >= 3).sum()
Out[95]: 2