如何在Pandas DataFrame中提取指定匹配后的首个词汇并统计次数

步骤1：提取首个目标词汇 #

用正则精准匹配(Most Recent Alarm Trigger)','valueString':'之后的内容，直到下一个单引号结束，确保只取第一个匹配到的完整词汇。

步骤2：统计词汇出现次数 #

基于提取出的词汇，在原单元格文本中统计其完整出现的次数，避免部分匹配干扰结果。

完整代码实现 #

import re
import pandas as pd

# 修正原数据中的语法错误（原数据存在多余逗号、括号不匹配等问题，无法正常处理）
data = {'product_name': [
    "[{'name':'Trigger Cause Status (Most Recent Alarm Trigger)','valueString':'Tilt Sensor','packetType':'enumerated','leastSigBit':440,'Tilt Sensor','mostSigBit':447},{'name':'User Set Year (Most Recent Alarm Trigger)','valueString':'Band','valueNumber':2022.0,'units':'Undefined / Not Used','packetType':'Tilt Sensor','leastSigBit':432,'mostSigBit':439},{'name':'User Set Month,(Most Recent Alarm Trigger)','valueString':'Back space'},{'name':'User Set Minute (Most Recent Alarm Trigger)','valueNumber':16.0,'units':'min','packetType':'unsigned','leastSigBit':400,'mostSigBit':407},'Tilt Sensor',{'name':'User Set Second (Most Recent Alarm Trigger)','valueNumber':36.0,'units':'s','packetType':'unsigned','leastSigBit':392,'mostSigBit':399}]",
    "[{'name':'Trigger Cause Status (Most Recent Alarm Trigger)','valueString':'Volumetric Sensor','packetType':'enumerated','leastSigBit':440,'mostSigBit':447},{'name':'User Set Year (Most Recent Alarm Trigger)','valueNumber':2022.0,'units':'(Most Recent Alarm Trigger)','valueString':'Being human','packetType':'unsigned','leastSigBit':432,'mostSigBit':439},{'name':'User Set Month (Most Recent Alarm Trigger)','valueNumber':6.0,'valueString':'Hello','packetType':'unsigned','leastSigBit':424,'mostSigBit':431},'Volumetric Sensor',{'name':'User Set Day (Most Recent Alarm }]"
]}
df = pd.DataFrame(data)

# 提取首个匹配的词汇
extract_pattern = re.compile(r"\(Most Recent Alarm Trigger\)','valueString':'([^']+)")
df['Extract'] = df['product_name'].apply(lambda x: extract_pattern.search(x).group(1) if extract_pattern.search(x) else None)

# 统计词汇完整出现的次数
def count_occurrences(row):
    if row['Extract'] is None:
        return 0
    # 转义特殊字符，避免正则匹配异常
    count_pattern = re.compile(re.escape(row['Extract']))
    return len(count_pattern.findall(row['product_name']))

df['Count'] = df.apply(count_occurrences, axis=1)

print(df)

代码说明 #

1. 正则提取逻辑：\(Most Recent Alarm Trigger\)','valueString':'([^']+) 匹配目标前缀，捕获单引号内的全部内容，确保拿到第一个出现的目标词汇。
2. 次数统计逻辑：用re.escape处理提取到的词汇，避免特殊字符干扰正则匹配，再通过findall统计完整短语的出现次数。
3. 容错处理：添加空值判断，防止因无匹配内容导致代码报错。

执行后将生成包含Extract和Count列的DataFrame，与你预期结果一致。

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