如何统计DF行中字母出现次数并构建26列特征矩阵？

下面提供两种成熟的实现方法，按需选择：

方法1：简洁直观的apply+Counter方案 #

适合中小规模数据，代码可读性强：

import pandas as pd
from collections import Counter
import string

# 示例原DataFrame（替换成你的实际数据）
df = pd.DataFrame({'text': ['this is a string', 'hello world', 'python pandas']})

# 生成a-z的字母列表，作为新DataFrame的列名
alphabet = list(string.ascii_lowercase)

# 定义每行的字母统计函数
def count_single_row(s):
    # 统一转小写，避免大小写干扰
    s_lower = s.lower()
    # 统计字符出现次数
    char_counter = Counter(s_lower)
    # 按字母顺序返回次数，未出现的字母返回0
    return pd.Series([char_counter.get(letter, 0) for letter in alphabet], index=alphabet)

# 逐行应用函数，生成统计结果的DataFrame
letter_count_df = df['text'].apply(count_single_row)

# 可选：把统计结果和原DataFrame合并
final_df = pd.concat([df, letter_count_df], axis=1)

方法2：矢量化高效方案 #

如果你的数据量很大，apply的循环效率较低，用矢量化操作更快：

import pandas as pd
import string

df = pd.DataFrame({'text': ['this is a string', 'hello world', 'python pandas']})
alphabet = list(string.ascii_lowercase)

# 拆分字符→转哑变量→按原索引求和→按字母顺序整理列
letter_count_df = (df['text'].str.lower()
                   .str.split('', expand=True)  # 把字符串拆成单个字符的列
                   .stack()  # 转成层级索引的Series
                   .str.get_dummies()  # 生成每个字符的哑变量
                   .sum(level=0)  # 按原行索引求和
                   [alphabet])  # 按a-z顺序筛选列

final_df = pd.concat([df, letter_count_df], axis=1)

注意事项 #

• 如果需要区分大小写，去掉代码中的.lower()，同时把alphabet改成list(string.ascii_letters)（包含大小写共52列），但你的需求是26列，所以统一转大小写更合适。
• 字符串中的非字母字符（比如空格、标点）会被自动忽略，不会计入统计。

内容的提问来源于stack exchange，提问作者Tam