如何用Pandas统计DataFrame列表列中各元素的唯一出现次数

DevOps 小满

2026-5-8

解决DataFrame列表列元素出现次数统计问题

嘿，这事儿好办！要统计你那列包含列表的DataFrame里每个元素的总出现次数，我给你分享两个实用的方法，都能得到你想要的字典结果：

方法一：用`explode()` + `value_counts()`（最推荐）

这是Pandas里最直观高效的写法，先把列表列“展开”成每行一个元素，然后直接统计频次，最后转成字典就行：

import pandas as pd

# 先构造你的示例DataFrame
df = pd.DataFrame({
    'pos_tag': [['Noun','verb','adjective'], ['Noun','verb'], ['verb','adjective'], ['Noun','adverb']]
})

# 核心操作：展开列→统计次数→转字典
my_dict = df['pos_tag'].explode().value_counts().to_dict()

print(my_dict)
# 输出正好是你要的：{'Noun': 3, 'verb': 3, 'adjective': 2, 'adverb': 1}

这个方法处理大数据量也很高效，完全利用Pandas的向量操作，比手动循环快得多。

方法二：手动迭代统计（适合理解底层逻辑）

如果你想自己控制计数过程，或者不想依赖Pandas的高级方法，可以用双层循环手动累加：

my_dict = {}
# 遍历每一行的列表
for tags_list in df['pos_tag']:
    # 遍历列表里的每个元素
    for tag in tags_list:
        # 用get方法避免KeyError，不存在的元素默认计数0，再加1
        my_dict[tag] = my_dict.get(tag, 0) + 1

print(my_dict)
# 同样得到预期的字典结果

这个方法更基础，适合新手理解计数的逻辑，小数据量下完全够用。