如何解决使用defaultdict统计分类下搜索建议计数时返回空列表的问题

问题根因 #

• 核心错误是defaultdict默认类型配置错误：你声明的是defaultdict(list)，代表每个分类对应的默认值为列表，但后续代码用字典键值对的方式赋值dictionary[category][suggestion] = 1，列表不支持键索引访问，所以无法正常存储数据。
• 次要问题是直接用正则清洗后split()拆分内容，会把原本带空格的完整搜索建议（比如jio tv）拆成多个独立单词，不符合原始搜索建议的统计需求。
• 冗余逻辑：你额外写了判断搜索词是否存在的分支，用defaultdict(int)可以省略该判断，自动初始化不存在的键值为0。

修正方案 #

方案1：按完整搜索建议统计（推荐） #

使用ast.literal_eval把DataFrame里字符串格式的列表转成真实列表，避免正则拆分破坏原始内容：

import pandas as pd
from collections import defaultdict
import ast

# 外层字典的每个值默认是用于计数的defaultdict，默认计数为0
dictionary = defaultdict(lambda: defaultdict(int))

for i in range(df.shape[0]):
    # 转换字符串格式的分类列表为真实列表并去重
    categories = set(ast.literal_eval(df.loc[i, 'category']))
    # 转换字符串格式的搜索建议列表为真实列表并去重
    suggestions = set(ast.literal_eval(df.loc[i, 'suggestions']))
    
    for cate in categories:
        for sug in suggestions:
            dictionary[cate][sug] += 1

方案2：按单个单词统计（如果你需要拆分搜索词） #

如果你的需求确实是把搜索建议拆成单个单词统计，只需要修正defaultdict的默认类型即可：

import pandas as pd
import re
from collections import defaultdict

dictionary = defaultdict(lambda: defaultdict(int))
for i in range(df.shape[0]):
    categories = set(re.sub(r'[^\w\s]', '', df.loc[i, 'category']).split())
    for category in categories:
        suggestions = set(re.sub(r'[^\w\s]', '', df.loc[i, 'suggestions']).split())
        for suggestion in suggestions:
            dictionary[category][suggestion] += 1

内容的提问来源于stack exchange，提问作者Mohd Abdul Azeem