You need to enable JavaScript to run this app. 如何统计pandas DataFrame中逗号分隔交互字符串的各类型次数并生成新列
优惠活动
大模型
产品
解决方案
定价
更多

如何统计pandas DataFrame中逗号分隔交互字符串的各类型次数并生成新列

问题分析

你代码返回全NaN的核心问题出在筛选逻辑df[df['Interaction'] == 'like']:你的Interaction列存储的是逗号拼接的多交互字符串,没有任何一行的取值等于纯'like',筛选结果是空表,赋值后自然全为NaN。

正确实现方案

方案1:快速统计(适合交互名称无嵌套子串的场景)

直接用str.count统计每个交互的出现次数,代码简洁易读:

import pandas as pd

# 你的原始DataFrame
df = pd.DataFrame({'Name': ['John', 'Sara', 'Paul', 'Guest'], 'Interaction': ['share,like,share,like,like,like', 'love,like,share,like,love,like', 'share,like,share,like,like,like,share,like,share,like,like,hug','share,like,care,like,like,like']})

# 自动提取所有出现过的交互类型
all_actions = list(set(df['Interaction'].str.split(',').sum()))

# 统计每个交互的出现次数
for action in all_actions:
    df[action] = df['Interaction'].str.count(action)

# 新增总交互数列
df['total_interaction'] = df['Interaction'].str.split(',').str.len()

方案2:严谨统计(完全避免子串匹配误差)

如果存在交互名称有包含关系(比如同时有like和liked),可以拆分后再统计,结果100%准确:

import pandas as pd

df = pd.DataFrame({'Name': ['John', 'Sara', 'Paul', 'Guest'], 'Interaction': ['share,like,share,like,like,like', 'love,like,share,like,love,like', 'share,like,share,like,like,like,share,like,share,like,like,hug','share,like,care,like,like,like']})

# 拆分后统计每行各交互的次数
action_counts = df['Interaction'].str.split(',').explode().groupby(level=0).value_counts().unstack(fill_value=0)

# 合并统计结果到原表
df = df.join(action_counts)

# 新增总交互数列
df['total_interaction'] = action_counts.sum(axis=1)
最终结果示例

运行后你会得到如下结构的DataFrame,所有统计列均为int类型:

NameInteractionlikesharelovehugcaretotal_interaction
Johnshare,like,share,like,like,like420006
Saralove,like,share,like,love,like312006
Paul对应长交互字符串7401012
Guestshare,like,care,like,like,like410016

内容的提问来源于stack exchange,提问作者MTALY

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.10.20 08:54:03