如何在Pandas中基于另一列生成含元素统计字典的新列？

这个需求很容易实现，我们可以用Python的pandas库配合collections.Counter来快速生成统计字典列，下面是完整的步骤和代码示例：

1. 准备依赖和示例数据 #

首先导入需要的库，然后构造你提供的示例DataFrame：

import pandas as pd
from collections import Counter

# 构造示例数据
data = {
    'date': ['2019-01-01', '2019-01-01', '2019-02-01', '2019-02-01'],
    'product': ['Dell', 'Apple', 'Dell', 'Apple'],
    'campaign_type': [['call', 'email', 'call'], ['fax', 'fax', 'visit', 'visit'], 
                     ['call', 'fax', 'call'], ['email', 'email', 'visit']],
    'total_monthly_sale': [5, 4, 6, 7]
}
df = pd.DataFrame(data)

2. 生成campaign_dict列 #

用apply方法遍历campaign_type列的每个列表，通过Counter统计元素出现次数，再转成普通字典：

# 新增统计字典列
df['campaign_dict'] = df['campaign_type'].apply(lambda x: dict(Counter(x)))

3. 查看结果 #

执行完上面的代码后，打印DataFrame就能得到你想要的输出：

print(df)

预期输出表格： #

额外提示：处理字符串形式的列表 #

如果你的campaign_type列存储的是字符串格式的列表（比如像"[call, email, call]"这样的字符串，而不是真正的Python列表），需要先把它转换成列表再统计：

import ast

# 将字符串形式的列表转为真正的列表
df['campaign_type'] = df['campaign_type'].apply(ast.literal_eval)
# 再执行统计操作
df['campaign_dict'] = df['campaign_type'].apply(lambda x: dict(Counter(x)))

内容的提问来源于stack exchange，提问作者StackUser