如何在Pandas中基于分组与其他行列值生成term统计新列？

问题描述 #

给定以下DataFrame：

month   term    
0   Jun-22  one
1   Jun-22  one two
2   Jul-22  one
3   Jul-22  three
4   Jul-22  three four
5   Jul-22  three four five

需要添加一列term_count，用于统计对应月份中包含当前行term值的其他行数（排除当前行本身）。

期望输出 #

month   term                term_count
0   Jun-22  one                 1
1   Jun-22  one two             0
2   Jul-22  one                 0
3   Jul-22  three               2
4   Jul-22  three four          1
5   Jul-22  three four five     0

示例说明 #

• 第0行的term为'one'，Jun-22月份的其他1行（第1行）包含该值，故term_count为1；
• 第1行的term为'one two'，Jun-22月份的其他行无包含该值的，故term_count为0；
• 第3行的term为'three'，Jul-22月份的其他2行（第4、5行）包含该值，故term_count为2。

解决方案 #

可以通过按月份分组+组内遍历统计的方式实现，具体代码如下：

步骤1：创建示例DataFrame #

import pandas as pd

data = {
    'month': ['Jun-22', 'Jun-22', 'Jul-22', 'Jul-22', 'Jul-22', 'Jul-22'],
    'term': ['one', 'one two', 'one', 'three', 'three four', 'three four five']
}
df = pd.DataFrame(data)

步骤2：实现统计逻辑 #

def calculate_term_count(group):
    # 获取组内所有term的列表
    term_list = group['term'].tolist()
    # 对每个term，统计组内其他行中包含该term的数量
    group['term_count'] = [
        sum(1 for t in term_list if term in t) - 1  # 减1排除当前行自身
        for term in term_list
    ]
    return group

# 按month分组应用统计函数
df = df.groupby('month', group_keys=False).apply(calculate_term_count)

逻辑说明 #

1. 按month列分组，确保只在同一月份内统计；
2. 对每个分组，遍历每一行的term：
   • 先统计组内所有行（包括当前行）中包含该term的数量；
   • 减去1，排除当前行自身的计数；
3. 将统计结果赋值给新列term_count。

执行后即可得到符合要求的DataFrame。

内容的提问来源于stack exchange，提问作者Adam