Pandas如何逐行统计指定列字符在另一列字符串中的出现次数

pandas的Series.str.count()是向量化字符串方法，设计上仅接收单个固定匹配模式（字符串/编译后的正则对象）作为入参，会把这个模式统一应用到Series的所有元素上做统计，原生不支持直接传入等长的Series作为逐行独立的匹配规则。
你直接传入df['Letter']这个Series对象时，方法会尝试把整个Series当做全局匹配的正则模式解析，而Series是可变类型、不可哈希，不符合正则模式的参数要求，因此抛出TypeError: 'Series' objects are mutable, thus they cannot be hashed错误。
如果硬要逐行调用str.count()实现需求，本质还是要写循环逐行传参，会失去向量化接口的性能优势，没有必要。

方法1：列表推导式（推荐，性能最优） #

直接用Python原生字符串的count()方法，逐行配对密码和对应要统计的字符即可，大数据量下速度比apply写法快3~5倍：

df['Count'] = [pwd.count(letter) for pwd, letter in zip(df['Password'], df['Letter'])]

方法2：逐行apply写法 #

如果偏好pandas的行处理逻辑，可以用apply指定按行轴计算，每行单独取对应字符传入count方法：

df['Count'] = df.apply(lambda row: row['Password'].count(row['Letter']), axis=1)

针对你给出的样例DataFrame，运行上述任意一段代码，得到的统计结果完全符合预期：

补充说明：如果后续需要统计的字符是正则特殊字符（比如.、*、+这类），记得先用re.escape()对字符做转义处理，避免被解析为正则语法导致统计错误，你当前场景下统计的都是普通字母，不需要额外处理。

内容的提问来源于stack exchange，提问作者MarkS