如何在df2中新增read_count列统计用户在df1中的匹配次数并排查代码问题？

我有两个pandas DataFrame：df1包含文件路径列path和存储用户读取权限列表的read列；df2为所有可能用户的列表。目标是给df2新增read_count列，统计每个用户在df1的read列的列表中出现的总次数。

示例数据 #

import pandas as pd

df1 = pd.DataFrame()
df1['path'] = ['C:/pathA', 'C:/pathB', 'C:/pathC', 'C:/pathD']
df1['read'] = [['userA', 'userC', 'userD'], 
               ['userA', 'userB'], 
               ['userB', 'userD'], 
               ['userA', 'userB', 'userC', 'userD']]
print(df1)

输出：

path                          read
0  C:/pathA         [userA, userC, userD]
1  C:/pathB                [userA, userB]
2  C:/pathC                [userB, userD]
3  C:/pathD  [userA, userB, userC, userD]

df2定义：

df2 = pd.DataFrame(data=['userA', 'userB', 'userC', 'userD'], columns=['user'])
print(df2)

输出：

user
0  userA
1  userB
2  userC
3  userD

预期输出 #

user  read_count
0  userA           3
1  userB           3
2  userC           2
3  userD           3

错误代码及结果 #

尝试用列表推导式编写代码，但结果全为0：

df2['read_count'] = [sum(all(val in cell for val in row)
                     for cell in df1['read'])
                     for row in df2['user']]
print(df2)

输出：

user  read_count
0  userA           0
1  userB           0
2  userC           0
3  userD           0

问题分析 #

你的代码逻辑完全错误：

• row是df2中的单个用户（比如userA），但all(val in cell for val in row)会把用户字符串拆成单个字符（比如userA拆成u、s、e、r、A），判断这些字符是否都在cell（df1的read列表）里，这显然不符合需求，且几乎不可能满足，因此求和结果全为0。

正确实现方法 #

方法1：修正列表推导式 #

调整逻辑为判断当前用户是否在df1的每个read列表中，再统计次数：

df2['read_count'] = [sum(user in cell for cell in df1['read']) for user in df2['user']]

user in cell直接检查单个用户是否在当前read列表中，sum统计符合条件的行数，即可得到正确计数。

方法2：高效的Pandas原生方法 #

针对大数据量，推荐用Pandas原生操作提升效率：

# 将df1的read列拆分为每行一个用户
exploded = df1.explode('read')
# 统计每个用户的出现次数
counts = exploded['read'].value_counts().reset_index()
counts.columns = ['user', 'read_count']
# 与df2合并，确保所有用户被包含（未出现的用户计数为0）
df2 = df2.merge(counts, on='user', how='left').fillna(0)
# 将计数转为整数类型
df2['read_count'] = df2['read_count'].astype(int)

这种方法更贴合Pandas的操作习惯，数据量越大，效率优势越明显。

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