如何修改Python代码实现DataFrame按行统计关键词匹配总数

我需要实现按行统计DataFrame指定列中，给定关键词列表内各关键词的出现次数之和的功能，现有代码和数据如下：

现有数据与初始代码 #

import pandas as pd
from collections import Counter
import re

d = { 'Column_1': ['mango pret Orange No manner', ' préts No scan '], 'Column_2': ['read priority No', 'This is a priority noir '], 'Column_3': ['No add', 'yep'] }
df = pd.DataFrame(data=d)
list_1 = ['Apple', 'Mango' ,'Orange', 'pr[éeêè]t[s]?']
list_2 = ['weather', 'r[ea]d' ,'p[wr]iority', 'noir?']
list_3 = ['n[eéè]d','snow[s]?', 'blanc?']
dict = { "s1": ['Column_1', list_1], "s2": ['Column_1', list_3], "s3": ['Column_2', list_2], "s4": ['Column_3', list_3], "s5": ['Column_2','Column_3',list_1] }

for elt in list(dict.keys()): #s1 s2 s3
    print(elt)
    if len(dict[elt])<=2:
        d = Counter(re.findall(r'|'.join(dict[elt][1]).lower(), str(df[dict[elt][0]].str.lower())))
        print(d)
        #df[elt] = d sum(d.values())
    elif len(dict[elt])>2:
        aa = Counter(re.findall(r'|'.join(dict[elt][2]).lower(), str(df[dict[elt][0]].str.lower())))
        bb = Counter(re.findall(r'|'.join(dict[elt][2]).lower(), str(df[dict[elt][1]].str.lower())))
        b = sum(bb.values())
        a = sum(aa.values())
        d = a +b
        df[elt] = d

当前代码输出为：

Counter({'mango': 1, 'pret': 1, 'orange': 1, 'préts': 1})

期望输出 #

我希望修改代码后得到如下形式的DataFrame，按每行统计对应关键词在指定列中的出现次数总和：

d2 = {'s1': [3, 1], 's3':[2,1]}
df2 = pd.DataFrame(data=d2)

解决方案：逐行处理，统计匹配次数 #

原来的代码把整列转成字符串后统一匹配，没有按行处理，这是核心问题。我们需要对每行的指定列内容单独进行正则匹配，然后统计次数之和。下面是修改后的完整代码：

import pandas as pd
from collections import Counter
import re

# 初始化数据
d = { 'Column_1': ['mango pret Orange No manner', ' préts No scan '], 'Column_2': ['read priority No', 'This is a priority noir '], 'Column_3': ['No add', 'yep'] }
df = pd.DataFrame(data=d)
list_1 = ['Apple', 'Mango' ,'Orange', 'pr[éeêè]t[s]?']
list_2 = ['weather', 'r[ea]d' ,'p[wr]iority', 'noir?']
list_3 = ['n[eéè]d','snow[s]?', 'blanc?']
# 注意：变量名不要用dict，避免覆盖内置类型
task_dict = { "s1": ['Column_1', list_1], "s2": ['Column_1', list_3], "s3": ['Column_2', list_2], "s4": ['Column_3', list_3], "s5": ['Column_2','Column_3',list_1] }

# 定义一个工具函数：对单个文本字符串统计关键词匹配次数
def count_matches(text, patterns):
    # 把所有正则模式合并成一个，忽略大小写
    combined_pattern = r'|'.join(patterns)
    # 找到所有匹配的结果
    matches = re.findall(combined_pattern, text.lower())
    # 返回匹配的总次数
    return len(matches)

# 遍历每个任务
for task_name, task_info in task_dict.items():
    if len(task_info) == 2:
        # 单个列的情况：对每行的该列应用统计函数
        col_name, patterns = task_info
        df[task_name] = df[col_name].apply(lambda x: count_matches(str(x), patterns))
    elif len(task_info) >=3:
        # 多个列的情况：对每行的多个列分别统计后求和
        col_names = task_info[:-1]
        patterns = task_info[-1]
        # 每行对每个列统计，然后相加
        df[task_name] = df[col_names].apply(lambda row: sum(count_matches(str(cell), patterns) for cell in row), axis=1)

# 查看我们需要的s1和s3列
print(df[['s1', 's3']])

代码说明： #

• 工具函数count_matches：封装了单个文本的匹配逻辑，合并正则模式后用re.findall找到所有匹配项，直接返回匹配次数（不需要Counter，因为我们只需要总和）。
• 逐行处理：用apply对每行的指定列单独处理，这样就能得到每行的独立统计结果。
• 多列处理：对于需要统计多个列的任务（比如s5），遍历每行的每个指定列，分别统计后求和，得到该行的总次数。
• 变量名优化：把原来的dict改成task_dict，避免覆盖Python内置的dict类型。

运行后输出的df[['s1','s3']]就是你想要的结果：

s1  s3
0   3   2
1   1   1

内容的提问来源于stack exchange，提问作者This