如何统计DataFrame两列匹配单词数量？解决bad escape \o错误

报错原因 #

报错error: bad escape \o at position 1是因为你在split(',\o*')里用了无效的转义字符\o，这里应该用\s*来匹配逗号后0个或多个空格，实现按, 或,拆分people列的内容。

完整修正代码 #

结合你的需求（计算people列所有单词在original列中作为独立单词出现的总次数），同时处理NaN的情况，修正后的代码如下：

import pandas as pd
import re

# 构造示例DataFrame
df = pd.DataFrame({
    'original': [
        'John is a good friend',
        'Mary and Peter are going to marry',
        'Bond just met the Bond girl',
        'Chris is having dinner',
        'All Marys are here'
    ],
    'people': ['John, Mary', 'Peter, Mary', 'Bond', pd.NA, 'Mary']
})

def count_matches(original_text, people_str):
    # 处理people列为空的情况
    if pd.isna(people_str):
        return 0
    # 拆分people字符串为单词列表，处理逗号后带空格或不带的情况
    people_list = [p.strip() for p in people_str.split(',')]
    total = 0
    for person in people_list:
        # 使用正则匹配独立单词，避免部分匹配（比如Mary不匹配Marys）
        matches = re.findall(rf'\b{re.escape(person)}\b', original_text)
        total += len(matches)
    return total

# 计算result列
df['result'] = df.apply(lambda row: count_matches(row['original'], row['people']), axis=1)

print(df)

代码说明 #

• 用pd.isna处理people列的空值，直接返回0
• 拆分people字符串时，用split(',')再strip()去除每个单词的空格，比正则拆分更简洁可靠
• 用re.escape()处理可能包含特殊字符的人名，避免正则语法错误
• 用re.findall()统计每个单词的出现次数，求和得到总次数
• 最终输出结果完全匹配你给出的示例

内容的提问来源于stack exchange，提问作者MG Fern