如何统计Pandas DataFrame列值中指定品牌列表元素数量

需要统计指定品牌列表brand_List = ["Brand1", "Brand2", "Brand3"]中的品牌，在DataFrame的Col_1列各字符串内出现的不同品牌数量，生成结果列Desired_Col_2。示例数据与预期输出如下：

解决方案 #

方法一：直观遍历法（适合小数据集）

先导入Pandas并构造示例数据，再通过apply遍历每行字符串，统计符合条件的品牌数量：

import pandas as pd

# 构造示例DataFrame
data = {
    "Col_1": ["Brand1_bla_Brand2", "Brand3", "bla_bla", "Brand2_Brand3", "Brand2_Brand3_Brand1"]
}
df = pd.DataFrame(data)
brand_List = ["Brand1", "Brand2", "Brand3"]

# 定义统计函数：检查每个品牌是否在当前字符串中，统计总数
def count_brands(text):
    return sum(1 for brand in brand_List if brand in text)

# 生成结果列
df["Desired_Col_2"] = df["Col_1"].apply(count_brands)

方法二：矢量化操作法（适合大数据集）

利用Pandas的矢量化字符串操作，避免逐行循环，效率更高：

import pandas as pd

# 构造示例DataFrame
data = {
    "Col_1": ["Brand1_bla_Brand2", "Brand3", "bla_bla", "Brand2_Brand3", "Brand2_Brand3_Brand1"]
}
df = pd.DataFrame(data)
brand_List = ["Brand1", "Brand2", "Brand3"]

# 对每个品牌生成布尔值Series，再按列求和得到每行的品牌数量
brand_masks = [df["Col_1"].str.contains(brand) for brand in brand_List]
df["Desired_Col_2"] = pd.concat(brand_masks, axis=1).sum(axis=1)

执行上述代码后，df会新增Desired_Col_2列，结果与示例完全一致。

内容的提问来源于stack exchange，提问作者Alexandra Morel-Fonteray