如何统计Pandas列表列中对应标量列值的出现次数？

你的代码无法运行的原因是，当使用df['column_of_lists'].apply()时，lambda函数仅接收每行的列表值，但你传入的df['scalar_col']是整个Series对象，而非当前行对应的单个标量值。要解决这个问题，需要同时获取每行的列表和对应的标量值进行计数。

方法一：使用df.apply()按行处理 #

通过设置axis=1让apply()逐行处理数据，此时lambda函数会接收整行数据作为参数，你可以从中提取对应行的列表和标量值：

result = df.apply(lambda row: row['column_of_lists'].count(row['scalar_col']), axis=1)

方法二：列表推导式结合zip #

通过zip将列表列和标量列的元素一一配对，再逐个计数，最后转为Series保持原索引：

import pandas as pd
result = pd.Series(
    [lst.count(scalar) for lst, scalar in zip(df['column_of_lists'], df['scalar_col'])],
    index=df.index
)

两种方法都会得到预期的Series结果：

0    1
1    2
2    1
3    0
dtype: int64

对于大型DataFrame，方法二的列表推导式通常比apply()更快，因为apply()在逐行处理时会有一定的性能开销。

内容的提问来源于stack exchange，提问作者theodosis