如何统计Pandas字符串列表Series并将计数追加至DataFrame每行

针对你需要把列表列中各字符串的出现次数转为对应列的需求，这里有两种高效的实现方式，避免循环导致的性能问题：

方法1：用explode + 交叉表（适合大数据量） #

利用pandas的内置展开和交叉统计功能，效率远高于手动循环：

import pandas as pd

# 基于原DataFrame的'info'列处理
# 1. 把每行的列表拆成单行，保留原行索引
exploded_data = df['info'].explode()
# 2. 统计每行每个字符串的出现次数
count_table = pd.crosstab(exploded_data.index, exploded_data)
# 3. 合并回原DataFrame，空值填0并转成整数
final_df = df.join(count_table).fillna(0).astype(int)

方法2：结合Counter与Series（贴近你的原思路） #

直接对每行应用Counter，转成Series后自动匹配所有唯一列，不用手动生成空表：

import pandas as pd
from collections import Counter

# 对每行的列表统计次数，转成Series（缺失的列自动为NaN）
count_series = df['info'].apply(lambda lst: pd.Series(Counter(lst)))
# 合并到原表，空值填0转整数
final_df = df.join(count_series.fillna(0).astype(int))

关于你之前的问题 #

用df.at()逐个赋值的方式，在数据量稍大时会因为循环次数过多，占用大量内存和CPU，导致Notebook崩溃。上面两种方法都是pandas的向量化操作，内部做了性能优化，不会出现这类问题。

内容的提问来源于stack exchange，提问作者JTega