如何在Pandas Series中统计长度大于1的全大写单词数量

嘿，这个需求用Pandas的内置工具就能轻松搞定，完全不用写显式的Python循环～我给你几种不同的实现方式，按需选择：

方法一：贴合你现有逻辑的向量化实现 #

这个方法完全基于Pandas的向量化操作，没有显式循环，完美对应你单个字符串的处理逻辑：

import pandas as pd

s = pd.Series(['I AM MAD!', 'Today is a nice day', 'This restaurant SUCKS'])

# 1. 将每个字符串拆分为单词列表
split_series = s.str.split()
# 2. 把列表展开为每行一个单词，保留原索引（关联回原始字符串）
exploded_words = split_series.explode()
# 3. 筛选出长度>1的单词，再判断是否全大写
valid_words = exploded_words[exploded_words.str.len() > 1]
is_uppercase = valid_words.str.isupper()
# 4. 按原索引分组求和，得到每个原始字符串的符合条件单词数
result = is_uppercase.groupby(level=0).sum().fillna(0).astype(int)

print(result)
# 输出：
# 0    2
# 1    0
# 2    1
# dtype: int64

原理说明： #

• explode() 把每个字符串的单词列表拆成独立行，同时保留原Series的索引，这样后续分组时能精准对应回每个原始字符串。
• 最后用fillna(0)处理没有符合条件单词的条目，确保结果统一为整数类型。

方法二：简洁的apply实现（推荐） #

如果你追求代码简洁，且不介意Pandas内部优化过的逐元素处理（比手动写for循环快得多），可以直接把你单个字符串的逻辑用apply推广到整个Series：

result = s.str.split().apply(lambda x: sum(word.isupper() for word in x if len(word) > 1))

这个代码和你单个字符串的处理逻辑几乎完全一致，只是用apply把逻辑批量应用到Series的每个元素上，可读性拉满，运行效率也足够应对大部分场景。

方法三：正则表达式一步到位 #

如果你的场景可以用正则精准匹配符合条件的单词（匹配长度≥2且所有字母为大写的单词，包括带标点的情况），可以用str.findall结合str.len实现：

# 正则解释：
# \b 匹配单词边界
# [A-Z]{2,} 匹配至少两个大写字母
# [^a-z\s]* 匹配任意非小写字母、非空白字符（允许带标点）
# 整体匹配长度≥2的全大写单词（含标点）
result = s.str.findall(r'\b[A-Z]{2,}[^a-z\s]*\b').str.len()

这个方法完全向量化，速度最快，适合处理大规模数据。需要注意的是，正则需要根据你的实际字符串格式调整，确保匹配逻辑和word.isupper()一致。

内容的提问来源于stack exchange，提问作者kcm2174