如何拆分Dataframe列数组元素并存新表，实现准确频次统计？

核心问题拆解 #

你的问题本质是DataFrame某列存的是数组/列表，直接统计会把整个数组当作单个元素，无法得到内部每个元素的独立计数，同时需要把所有数组元素提取到新DataFrame里，用explode()就能快速解决。

分步解决代码 #

1. 模拟你的数据场景（对应原DataFrame） #

import pandas as pd

# 示例：假设你的DataFrame结构如下，目标列存数组
df = pd.DataFrame({
    'id': [1, 2, 3],
    'tags': [['python', 'pandas'], ['dataframe', 'python'], ['numpy', 'pandas']]
})

2. 拆分数组列，提取所有元素到新DataFrame #

用explode()方法直接把数组拆成单行单个元素，自动生成新DataFrame：

# 拆分目标列，ignore_index=True重置索引避免乱序
exploded_df = df.explode('tags', ignore_index=True)

执行后exploded_df的结构：

3. 对单个元素做准确计数 #

现在直接用value_counts()就能得到每个元素的真实频次：

element_counts = exploded_df['tags'].value_counts()

输出结果：

python      2
pandas      2
dataframe   1
numpy       1
Name: tags, dtype: int64

4. 把计数结果转为新DataFrame（可选） #

如果需要把计数结果存成结构化的DataFrame，用reset_index()调整格式：

count_df = element_counts.reset_index()
count_df.columns = ['元素', '计数']  # 自定义列名

最终count_df：

特殊情况处理：嵌套数组 #

如果你的列里是多层嵌套数组（比如[[1,2], [3,4]]），先扁平化再拆分：

# 先把嵌套数组转成一维列表
df['tags'] = df['tags'].apply(lambda x: [item for sublist in x for item in sublist])
# 再执行拆分
exploded_df = df.explode('tags', ignore_index=True)

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