如何清洗DataFrame多行业列，避免无序行业组合重复统计？

• 处理字符串格式的行业数组（若你的列是字符串形式的列表）：
  用ast.literal_eval把字符串转成真实列表，避免后续操作无效：

  import ast
  df['cust_industry'] = df['cust_industry'].apply(ast.literal_eval)
  

• 拆分多行业组合：
  用explode方法将每个客户的多个行业拆成单独行，每个行业对应一条记录：

  df_exploded = df.explode('cust_industry', ignore_index=True)
  

• 标准化行业名称：
  统一大小写、去除冗余空格，解决authorized和Authorized被误判为不同类别的问题：

  df_exploded['cust_industry'] = df_exploded['cust_industry'].str.lower().str.strip()
  

  若存在同义词/不同写法，用字典映射统一：

  name_map = {
      'authorized': 'authorized',
      'distribution': 'distribution'
      # 按需添加其他需要统一的名称
  }
  df_exploded['cust_industry'] = df_exploded['cust_industry'].replace(name_map)
  

• 按单个行业统计：
  用value_counts或groupby直接统计，结果就是每个行业的独立计数：

  # 简洁版
  industry_stats = df_exploded['cust_industry'].value_counts().reset_index(name='count')
  
  # 或者groupby版本
  industry_stats = df_exploded.groupby('cust_industry').size().reset_index(name='count')
  

内容的提问来源于stack exchange，提问作者Sob.Ruba