Pandas DataFrame如何统计列单元格内逗号分隔值的出现次数

问题背景 #

现有如下数据集，需要实现Output列的计算逻辑：统计col2列每个单元格内逗号分隔的各取值出现次数，按「值(计数)」的格式拼接得到结果，示例数据如下：

执行代码NOK['col2'].str.split(',').value_counts()时触发报错。

报错原因 #

str.split(',')返回的Series中每个元素是Python列表类型：

• 列表属于不可哈希类型，无法被value_counts()做去重统计
• value_counts()的作用是统计整个Series中整行元素的出现次数，本身也不支持统计每行列表内部的元素频次，和需求逻辑不匹配。

实现代码 #

无需额外循环，借助collections的Counter做行内计数即可，代码如下：

from collections import Counter

# 逐行处理生成Output列
NOK['Output'] = NOK['col2'].apply(
    lambda cell_text: ','.join([f'{val}({count})' for val, count in Counter(cell_text.split(',')).items()])
)

逻辑说明 #

• 逐行遍历col2的单元格内容，用split(',')把逗号分隔的字符串拆分为取值列表
• 调用Counter直接统计当前行列表内各取值的出现次数，计数效率高于手写字典遍历
• 把计数结果按值(计数)的格式做字符串格式化，最后用逗号拼接为完整字符串赋值给Output列

执行后得到的结果和示例预期完全一致。

内容的提问来源于stack exchange，提问作者riya