如何使用Pandas对两列字符串数据重塑并统计交叉计数结果

完整实现代码 #

import pandas as pd

# 构造原始数据集
data = {
    "fruits": ["orange, apple, banana", "orange, apple, banana", 
               "apple, banana", "orange, apple, banana", "others"],
    "places": ["New York, London, Boston", "New York, Manchester", 
               "Tokyo", "Hong Kong, Boston", "London"],
}
df = pd.DataFrame(data)

# 拆分逗号分隔值并展开为多行
df_exploded = df.assign(
    fruits = df['fruits'].str.split(',\s*'),
    places = df['places'].str.split(',\s*')
).explode('fruits').explode('places')

# 生成交叉计数表
res = pd.crosstab(df_exploded['fruits'], df_exploded['places'])
print(res)

实现逻辑说明 #

• 先对fruits和places两列执行字符串拆分，用正则,\s*匹配逗号加任意数量空格的分隔符，避免拆分后的值出现前导空格
• 两次调用explode方法，将两列的列表结构分别展开为独立行，让每行仅保留一组「水果-地点」的对应关系
• 直接使用pd.crosstab对两个维度做交叉统计，输出结果的行索引为水果名称、列索引为地点名称、值为二者的共现次数，和预期输出完全一致

内容的提问来源于stack exchange，提问作者codedancer