如何为DataFrame字符串列生成对应字符计数列？

你可以通过两种高效的方式实现需求，以下是具体代码和说明：

方法一：逐个字符统计（适合已知目标字符的场景） #

如果明确只需要统计A、B、C、D四个字符的出现次数，直接使用str.count()方法逐个生成对应列，代码简洁且性能优异：

import pandas as pd

# 示例原始DataFrame
df = pd.DataFrame({'str_col': ['AABCD', 'ABBD', 'CCDA', 'DDD']})

# 为每个目标字符生成计数列
df['A'] = df['str_col'].str.count('A')
df['B'] = df['str_col'].str.count('B')
df['C'] = df['str_col'].str.count('C')
df['D'] = df['str_col'].str.count('D')

# 查看结果
print(df)

输出结果：

str_col  A  B  C  D
0   AABCD  2  1  1  0
1    ABBD  1  2  0  1
2    CCDA  1  0  2  1
3     DDD  0  0  0  3

方法二：自动统计所有字符（适合字符不确定的场景） #

如果字符串中可能包含其他字符，且你需要灵活筛选目标列，可以结合collections.Counter实现自动计数：

from collections import Counter
import pandas as pd

# 示例原始DataFrame
df = pd.DataFrame({'str_col': ['AABCD', 'ABBD', 'CCDA', 'DDD']})

# 对每行字符串进行字符计数，转成DataFrame
count_df = df['str_col'].apply(lambda x: pd.Series(Counter(x)))

# 保留目标列A、B、C、D，缺失值填充为0并转为整数
count_df = count_df.reindex(columns=['A', 'B', 'C', 'D']).fillna(0).astype(int)

# 合并原DataFrame与计数结果
result_df = pd.concat([df, count_df], axis=1)

# 查看结果
print(result_df)

代码说明： #

• Counter(x)：统计单行字符串中各字符的出现次数，返回字典格式
• pd.Series(Counter(x))：将字典转为Series，字符自动成为列名，计数为对应值
• reindex(columns=['A', 'B', 'C', 'D'])：确保只保留需要的目标列，同时固定列顺序
• fillna(0)：将未出现字符的计数填充为0
• pd.concat([df, count_df], axis=1)：横向合并原数据与计数列

内容的提问来源于stack exchange，提问作者Richard Pena