Python中如何拆分DataFrame字段并按年份统计各产品的出现数量

解决方案 #

使用pandas的explode方法配合字段拆分即可实现需求，完整可运行代码如下：

import pandas as pd

# 你实际使用时把下面这段替换成读取csv的代码：df = pd.read_csv("你的文件路径.csv")
df = pd.DataFrame({
    'Event_Year': [2015,2015,2015,2016,2016,2017,2017,2017],
    'Product name': ['Cola', 'Pepsi, Cola', 'Fanta, Pepsi', 'Cola', 'Sprite, Cola', 'Cola, Fanta, Sprite', 'Sprite,Cola', 'Cola']
})

# 1. 按逗号拆分产品列，自动忽略逗号前后的空格，再展开为单行单个产品的结构
df['Product name'] = df['Product name'].str.split(',\s*')
df_exploded = df.explode('Product name', ignore_index=True)

# 2. 按年份+产品分组统计出现次数
result = df_exploded.groupby(['Event_Year', 'Product name'], as_index=False).size()
result = result.rename(columns={'size': 'Product count'})

# 如只需2017年的结果，新增过滤逻辑即可
result_2017 = result[result['Event_Year'] == 2017]
print(result_2017)

运行后输出结果和你预期完全一致：

关键逻辑说明 #

• str.split(',\s*')：用正则匹配逗号加任意数量空格作为分隔符，兼容你数据里逗号后有时有空格有时无的情况，避免拆分出带冗余空格的产品名
• explode：把列表形式的多产品列拆成多行，每个产品单独占一行，后续直接分组统计即可
• groupby(..).size()：按年份、产品两个字段分组统计每组行数，即对应产品的出现次数

内容的提问来源于stack exchange，提问作者Omoton