如何统计Pandas DataFrame中指定关键词子集的共同出现次数？

步骤1：将所有单元格转换为集合列表 #

先把DataFrame的所有单元格提取为一维序列，再将每个单元格的分号分隔内容转成集合：

import pandas as pd

# 替换为你的DataFrame对象或读取方式
df = pd.read_excel("your_data_file.xlsx")

# 提取所有非空单元格并转为一维序列
all_cells = df.stack().dropna()
# 按分号分割单元格内容并转为集合，注意分号后是否带空格，根据实际调整分隔符
set_list = all_cells.apply(lambda cell: set(cell.split('; '))).tolist()

步骤2：定义目标关键词集合 #

把要查询的关键词做成集合，无需考虑顺序：

# 替换为你需要查询的关键词组合
target_keywords = {'computation theory', 'critical infrastructure'}

步骤3：统计符合条件的集合数量 #

遍历集合列表，检查目标集合是否是每个单元格集合的子集，求和得到次数：

occurrence_count = sum(1 for s in set_list if target_keywords.issubset(s))
print(f"共同出现次数：{occurrence_count}")

优化提示 #

如果DataFrame规模较大，或需要多次查询不同关键词组合，可以提前保存set_list，避免重复处理单元格内容，提升后续查询效率。

内容的提问来源于stack exchange，提问作者TheMaffGuy