Pandas DataFrame处理：用DictVectorize统计指定值及提取关联列

可以通过拆分字符串+分组聚合的方式实现需求，同时保留var2的关联信息，具体步骤如下：

1. 构建原数据（示例） #

import pandas as pd

df = pd.DataFrame({
    'target': [1, 0, 1],
    'var1': ['jack, jones, phil', 'don, sam, bob', 'jones, alex, sam'],
    'var2': ['en-us', 'vn-en', 'en-us']
})

2. 拆分逗号分隔的var1列 #

把var1中用逗号分隔的名字拆成单独行，同时保留每行对应的target和var2：

# 拆分字符串为列表，再展开成多行
df_exploded = df.assign(var1=df['var1'].str.split(', ')).explode('var1')

拆分后的数据会变成每个名字单独一行，比如jones会出现两次，分别对应原数据中target=1和var2=en-us的行。

3. 分组统计次数并关联var2 #

按var1（名字）和var2分组，统计每个名字在target=1和target=0时的出现次数：

result = df_exploded.groupby(['var1', 'var2']).agg(
    target=('target', 'sum'),  # 统计target=1的次数
    no_target=('target', lambda x: (x == 0).sum())  # 统计target=0的次数
).reset_index()

最终结果 #

筛选var1='jones'即可得到你需要的结果：

这种方式直接把var2纳入分组键，确保每个名字对应的var2信息被保留，解决了你之前用DictVectorize无法关联var2的问题。

内容的提问来源于stack exchange，提问作者Krish