基于含列表的已有特征创建新特征：按指定元素数量赋值方法咨询

首先你原来的代码逻辑有问题：isin()是判断整个列表元素是否在给定的列表里，比如df['host_verifications'].isin(['email'])是检查某一行的host_verifications是否等于['email']，而不是判断这个列表里包含email，根本没法统计符合条件的元素数量。

不用写一堆条件枚举，也不需要if else，直接统计列表中属于目标集合的元素个数就行，两种高效实现方式：

方法1：集合交集统计（简洁直观） #

定义目标集合后，用apply计算每行列表和目标集合的交集长度：

target_verifications = {'email', 'phone', 'work_email'}
df['verification_count'] = df['host_verifications'].apply(
    lambda x: len(set(x) & target_verifications)
)

• 原理：把每行的host_verifications转成集合，和目标集合求交集，交集的长度就是符合条件的元素数量，正好对应你要的1/2/3。

方法2：逐元素判断求和（大数据量更高效） #

如果数据集很大，apply可能稍慢，可以用逐元素判断后求和的方式：

target_verifications = {'email', 'phone', 'work_email'}
df['verification_count'] = df['host_verifications'].apply(
    lambda x: sum(1 for item in x if item in target_verifications)
)

• 原理：遍历每行列表里的元素，统计属于目标集合的个数，结果同样是1/2/3。

这两种方法都能自动覆盖所有可能的组合，不用手动枚举所有列表情况，比你原来的写法简洁太多，完全不需要if else语句。

内容的提问来源于stack exchange，提问作者VentiB