Pandas自定义计数函数返回错误值，id_x匹配parentId统计结果不符预期

你的代码没法得到正确结果，核心是三个层面的逻辑错误：

1. 传参范围错误，完全没用到全表数据 #

你用apply(axis=1)逐行遍历的时候，传给node_counter的两个参数根本不是全表的列集合，只是当前行的两个单值字符串：

• x['id_x']是当前行id_x列的单个值（比如第一行的UUID字符串）
• x['parentId']是当前行parentId列的单个值（比如第一行的上级ID字符串）
  整个过程根本没有遍历全表parentId列的逻辑，从源头就不可能统计到全表的匹配数量。

2. 自定义函数的计数逻辑存在硬bug #

就算把参数传成全表的列，node_counter的实现也没法输出正确结果：

• 计数器counter = 0被写在了for element in id_x的循环内部，每遍历一个元素就会把计数重置为0，根本无法累计匹配次数
• 由于实际传入的id_x是单个完整字符串，Python对字符串执行for循环会逐字符拆分遍历，相当于把UUID拆成单个字符挨个和单值的parentId做比对，最后输出的4、6这类无效计数，全是逐字符比对带来的错误结果。

需求的正确实现方式 #

你要计算的Amount，本质是全表parentId列中，与当前行id_x值相等的元素总个数。完全不需要逐行写循环，直接基于全表频次映射计算即可：

# 统计全表parentId每个值的出现频次
parent_freq = df['parentId'].value_counts()
# 按id_x匹配对应频次，无匹配的补0
df['Amount'] = df['id_x'].map(parent_freq).fillna(0).astype(int)

运行后即可得到你预期的输出结果。

内容的提问来源于stack exchange，提问作者Elodin