Pandas带计数器两列嵌套循环活动统计及报错解决

• 基础数据结构：
  • 活动分类表df1：共两列，Type为活动大类，取值包含Sport、Studies两类；Activity为具体活动项，取值包含rowing、Surfing、Basketball、Dancing、science、Math、History等，实际业务场景下共30个活动子类别
  • 调研数据表df2：每条记录为学生活动参与的自然语言描述，格式类似Sarah does Basketball and Math
• 计算需求：统计每条调研文本中，分属Sport、Studies大类的活动数量，最终输出包含三列的结果表：Student（原始调研文本）、Sports（运动类活动匹配计数）、Studies（学业类活动匹配计数）
• 初始实现踩坑：最初尝试嵌套循环遍历分类表逐句匹配、手动创建分类列表/子表实现，代码冗余且效果差；后续写的测试代码运行触发类型错误，无法定位问题。

1. 核心映射逻辑错误：测试代码中把activity_type构造为「大类名: 对应活动列表」的字典结构，但后续匹配逻辑是拿拆分后的单个单词直接调用activity_type.get(activity)，该字典的键是大类名，根本无法通过单个活动名查询到所属分类，逻辑完全不匹配。
2. 类型兼容问题：旧版本pandas的pd.json_normalize在处理序列中存储的Counter对象时，会触发隐式类型转换失败，抛出TypeError: int() argument must be a string, a bytes-like object or a number, not 'Counter'报错。

核心思路是先构造单个活动名（统一转小写做归一化）到所属大类的映射字典，再逐行拆分调研文本做匹配计数，避免多层嵌套循环，代码可维护性更高，适配30个甚至更多活动子类的扩展需求。

import pandas as pd
from collections import Counter

# 读取本地数据文件
df1 = pd.read_csv('df1.csv')
df2 = pd.read_csv('df2.csv')

# 构造正确的活动-大类映射字典，统一转小写消除大小写匹配差异
activity_type_map = dict(zip(
    df1['Activity'].str.strip().str.lower(),
    df1['Type'].str.strip().str.lower()
))

# 定义单条文本的活动分类计数函数
def count_type(text):
    words = text.strip().lower().split()
    counter = Counter()
    for word in words:
        # 命中活动映射则对应大类计数+1
        if word in activity_type_map:
            counter[activity_type_map[word]] += 1
    return counter

# 批量计算所有文本的分类计数，展开为DataFrame
count_result = pd.json_normalize(df2['Student'].apply(count_type))
# 空值填0，转为整数类型，列名对齐需求格式
count_result = count_result.fillna(0).astype(int).rename(columns={
    'sport': 'Sports',
    'studies': 'Studies'
})
# 拼接原始文本和计数结果，得到最终表
final_df = pd.concat([df2, count_result], axis=1)

注意：如果后续活动项存在多词组的情况（比如table tennis），直接按空格拆分单词会导致匹配失败，此时可将活动列表按字符串长度从长到短排序，通过正则匹配或字符串遍历的方式做计数，避免拆分漏匹配。

内容的提问来源于stack exchange，提问作者Jessica warren