Python DataFrame统计指定单词出现次数：现有代码优化及视图/副本警告问题解决

1. 先搞定警告问题 #

你碰到的警告，根源是用了链式索引（df['has_restaurants'][index]）——这种写法让pandas没法确定你操作的是原DataFrame的视图还是副本，修改时容易出现不可预期的行为。

要消除警告，只需要把赋值语句改成用.loc做明确的行+列索引：

df.loc[index, 'has_restaurants'] = sum(map(lambda count : 1 if 'restaurant' in count else 0, text))

这样pandas能清晰识别你要修改原DataFrame的指定位置，警告自然就消失了。

2. 更优雅高效的实现（替代手动循环） #

pandas的核心优势就是矢量化操作，完全没必要手动遍历每一行。这里有两种更简洁的写法，处理大数据集时速度比循环快得多：

方法一：用apply结合生成器表达式

这个写法和你原代码的逻辑完全一致，但更简洁清爽：

df['has_restaurants'] = df['Description'].apply(
    lambda x: sum(1 for word in x.split() if 'restaurant' in word)
)

它会自动对每个Description字符串拆分单词，然后统计包含"restaurant"的单词数量。

方法二：正则表达式匹配（更灵活）

如果你想严格匹配相关单词（比如不想把"restaurantxyz"这类无关词算进去），可以用str.findall结合正则：

# 匹配所有包含"restaurant"的完整单词
df['has_restaurants'] = df['Description'].str.findall(r'\w*restaurant\w*').str.len()

正则\w*restaurant\w*会匹配任何以字母数字开头/结尾、中间包含"restaurant"的单词，.str.len()则会统计每个字符串中匹配到的单词总数。

为什么这些写法更好？ #

• 没有冗余的手动循环，代码更简洁易读；
• 利用pandas内部优化，处理大DataFrame时速度远快于手动遍历；
• 从根源避免了链式索引的问题，不会触发警告。

内容的提问来源于stack exchange，提问作者Dvir Iluz