如何统计DataFrame中每个字符串单元格内的不重复字符数量

你之前使用的unique、distinct都是统计列级别不重复值的函数，无法作用于单个单元格内部的字符，以下是两种常用场景的实现方法：

Python Pandas 实现 #

核心逻辑 #

逐行处理每个字符串单元格：先统一转为小写实现大小写不敏感，再拆分单个字符去重，最后统计去重后的字符数量。

示例代码 #

import pandas as pd

# 构造示例DataFrame
df = pd.DataFrame({
    'Text': ['banana', 'banana12', 'Ace@343']
})

# 计算每行字符串的不重复字符数
df['unique char count'] = df['Text'].apply(lambda x: len(set(x.lower())))

print(df)

输出结果 #

Text  unique char count
0     banana                  3
1   banana12                  5
2    Ace@343                  6

R 实现 #

示例代码 #

library(dplyr)
library(stringr)

# 构造示例DataFrame
df <- data.frame(
  Text = c("banana", "banana12", "Ace@343")
)

# 计算每行字符串的不重复字符数
df <- df %>%
  mutate(`unique char count` = str_to_lower(Text) %>% 
           str_split("") %>% 
           sapply(function(x) length(unique(x))))

print(df)

内容的提问来源于stack exchange，提问作者vicky