如何计算Pandas DataFrame列中集合的长度并新增结果列

你列里存储的集合本质是单元素集合：每个集合内仅包含1个完整的长字符串，所有你以为的独立字符串，其实都是这个长字符串里被逗号分隔的文本片段，不是集合的独立元素。这也是你直接调用len()统计集合长度永远返回1的核心原因，之前写的自定义函数实际是在统计单个长字符串的字符总数，自然得不到正确结果。

分两种场景处理：

场景1：列内存储的是Python原生集合对象 #

直接取出集合内的唯一长字符串，按逗号拆分后统计元素数量即可：

# 新增列存储集合内实际的字符串元素个数
df['x_length'] = df['x'].apply(
    lambda cell: len([item.strip() for item in next(iter(cell)).split(',')])
)

代码逻辑说明：

• next(iter(cell))：取出单元素集合里唯一的长字符串
• split(',')：按逗号把长字符串拆成独立片段
• strip()：去掉每个片段前后的多余空格
• len()：统计拆分后的有效元素个数

场景2：列内存储的是字符串格式的集合（比如CSV读入后是"{a,b,c}"这类文本） #

先把文本格式的集合转成Python原生集合，再执行上述统计逻辑：

import ast
# 先把文本格式的集合转成原生集合对象
df['x'] = df['x'].apply(ast.literal_eval)
# 再统计元素个数
df['x_length'] = df['x'].apply(
    lambda cell: len([item.strip() for item in next(iter(cell)).split(',')])
)

用你提供的样例数据测试：

import pandas as pd
# 构造样例数据
df = pd.DataFrame(
    {'x': [{'string1, string2, string3'}, {'string4, string5'}]},
    index=['A', 'B']
)
# 执行统计代码
df['x_length'] = df['x'].apply(
    lambda cell: len([item.strip() for item in next(iter(cell)).split(',')])
)
print(df)

输出完全匹配你的预期：

x  x_length
A  {string1, string2, string3}         3
B                  {string4, string5}         2

• df['x'].str.len()：该方法用于统计字符串长度，作用在集合对象上时实际返回集合本身的元素数，也就是固定值1
• df['x'].apply(lambda x: len(x))：直接统计集合的元素个数，因为每个集合只有1个字符串元素，所以返回值全为1
• 自定义to_1D函数：两层循环把集合内的单个字符串拆成了逐个字符，统计的是所有字符的总数量，和需求完全不符

内容的提问来源于stack exchange，提问作者alestamm