如何正确统计Pandas DataFrame中多值列内单个完整水果的出现频率？

嘿，我懂你遇到的麻烦了！问题出在你使用str.split()的时候没指定正确的分隔符——默认情况下这个方法会按任意空白字符拆分文本，这就把像"black currant"、"black berries"这种带空格的完整水果名给拆成了单个单词，自然统计出来的结果就不符合预期啦。

问题重现 #

先看你的原始DataFrame：

import pandas as pd

details = { 
    'container_id' : [1, 2, 3, 4, 5, 6 ], 
    'container' : ['black box', 'orange box', 'blue box', 'black box','blue box', 'white box'], 
    'fruits' : ['apples, black currant', 'oranges','peaches, oranges', 'apples','apples, peaches, oranges', 'black berries, peaches, oranges, apples'], 
} 
df = pd.DataFrame(details)

你之前的代码df['fruits'].str.split(expand=True).stack().value_counts()会把"black currant"拆成black和currant，"black berries"拆成black和berries，所以black被错误统计了2次。

正确解决方案 #

只需要指定拆分的分隔符为, （逗号加空格），因为你的水果列表是用这个格式分隔的：

df['fruits'].str.split(', ', expand=True).stack().value_counts()

输出结果 #

执行后会得到符合预期的统计：

apples             4
oranges            3
peaches            3
black currant      1
black berries      1
dtype: int64

额外优化（可选） #

如果你的数据里存在格式不统一的情况（比如有的水果之间是逗号后没空格，像apples,black currant），可以用正则表达式来兼容这种情况，拆分时匹配逗号后任意数量的空格：

df['fruits'].str.split(',\s*', expand=True).stack().value_counts()

这样不管逗号后有没有空格，都能正确拆分出完整的水果名称。

内容的提问来源于stack exchange，提问作者vartholomeos007