如何对DataFrame中diff_2列的两类变更统计计数并以逗号分隔？

核心思路 #

先从diff_2列的文本里提取出变更类型标签（即方括号[]包裹的内容），再统计各类标签的出现次数，最后把结果转成逗号分隔的格式。

具体步骤 #

1. 提取变更类型标签
   用正则表达式匹配每行文本中方括号内的内容，生成新列存储类型：

   # 提取[]中的变更类型，自动忽略无标签的行
   df['change_type'] = df['diff_2'].str.extract(r'\[([^\]]+)\]').dropna()
   

2. 统计各类变更的数量
   用value_counts()直接统计各类标签的出现次数：

   counts = df['change_type'].value_counts()
   

3. 转换成逗号分隔格式
   根据需求选择输出形式：

   • 带类型名称的格式：

     result = ', '.join([f'{typ}:{num}' for typ, num in counts.items()])
     # 示例输出：response-property-became-optional:2, response-property-became-required:1
     

   • 仅输出数值的格式：

     result = ', '.join(map(str, counts.values))
     # 示例输出：2, 1
     

注意事项 #

• 如果diff_2列存在空值或无标签的行，dropna()会自动过滤这些无效数据，避免统计误差。
• 若变更标签格式有调整，可对应修改正则表达式的匹配规则。

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