如何用Python统计字符串中字母出现次数并保存到DataFrame新列

原始DataFrame #

预期结果 #

统计每行dnaseq列中'C'的出现次数，生成新列Count：

错误代码分析与修正 #

第一段代码错误原因与修正 #

你的第一段代码问题在于**count变量在循环外初始化，每次循环会累加所有行的'C'总数，最后把这个总数赋值给整个Count列**，导致所有行都显示总和。

修正方法：把count的初始化放到循环内部，每次处理一行时重置计数，并且只给当前行赋值Count：

for index, row in df.iterrows():
    count = 0  # 每行处理前重置计数
    a = row['dnaseq']
    for i in a:  # 不需要转成list，字符串本身可迭代
        if i == 'C':
            count += 1
    df.loc[index, 'Count'] = count  # 赋值给当前行的Count列

第二段代码错误原因与修正 #

第二段代码的问题是每次循环都把当前行的统计结果赋值给整个Count列，最后一次循环的结果会覆盖所有行的数据。

修正方法：同样，只给当前行的Count列赋值：

from collections import Counter

for index, row in df.iterrows():
    a = row['dnaseq']
    b = Counter(a)
    df.loc[index, 'Count'] = b['C']  # 赋值给当前行的Count列

更高效的Pandas矢量化方案 #

用iterrows遍历行效率较低，推荐使用Pandas内置的字符串方法str.count()，一行代码搞定：

df['Count'] = df['dnaseq'].str.count('C')

这个方法是矢量化操作，比循环快很多，尤其当DataFrame行数较多时优势明显。

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