所以你需要value_counts？

df.col_name.value_counts()
Out[345]: 
False    6
True     1
Name: has_cancer, dtype: int64

如果has_cancer有NaN：

false_count = (~df.has_cancer).sum()

如果has_cancer没有NaN，您可以通过不必预先否定掩码来进行优化。

false_count = len(df) - df.has_cancer.sum()

类似地，如果您只需要True值的计数，即

true_count = df.has_cancer.sum()

如果你两个都想要，那就是

fc, tc = df.has_cancer.value_counts().sort_index().tolist()

0     True
1    False
2    False
3    False
4    False
5    False
6    False
7    False
8    False
9    False

如果上面的Pandas系列叫做example

example.sum()

然后这个代码输出1，因为序列中只有一个True值。

len(example) - example.sum()

number_of_patients_with_cancer = df.has_cancer[df.has_cancer==True].count()

把你上面的数据框当作一个df

True_Count = df[df.has_cancer == True]

len(True_Count)

只要对列求和就可以得到True的计数。False是0的特例，True是1的特例。False计数是行数减去它。除非你有na。

计数True：

df["has_cancer"].sum()

计数False：

(~df["has_cancer"]).sum()

请参见布尔运算符。