You need to enable JavaScript to run this app. 逐行遍历Pandas DataFrame,统计行内模式在目标字符串中的出现次数
优惠活动
大模型
产品
解决方案
定价
更多

逐行遍历Pandas DataFrame,统计行内模式在目标字符串中的出现次数

Pandas逐行统计目标模式出现次数的实现方案

基础场景(纯文本精确匹配)

最直接的实现逻辑是利用Python原生字符串的count()方法统计非重叠子串出现次数,搭配DataFrame的逐行应用能力完成计算,不需要硬编码固定检索值。
可直接运行的示例代码:

import pandas as pd

# 构造测试数据集
d = {'day': [1, 2, 3], 'pattern': ['++-', '+++', '-+-']}
df = pd.DataFrame(data=d)
# 固定的目标查找字符串
s = '++-+++----++-+-'

# 逐行取当前行的pattern值,统计在s中的出现次数,生成新列
df['match_count'] = df['pattern'].apply(lambda p: s.count(p))

运行后得到的结果完全匹配预期逻辑:

  • 模式++-在s中共出现3次
  • 模式+++在s中共出现1次
  • 模式-+-在s中共出现1次

进阶场景(支持正则规则、重叠匹配)

如果后续你的模式包含正则特殊字符,或者需要统计重叠匹配的次数,可以配合正则模块实现,避免元字符被误解析:

import re

def count_overlap_match(pattern, target_str):
    # 自动转义正则特殊字符,避免+、-等符号被当做正则规则解析
    escaped_pattern = re.escape(pattern)
    # 零宽前视语法支持重叠匹配统计
    match_res = re.findall(f'(?={escaped_pattern})', target_str)
    return len(match_res)

df['match_count_regex'] = df['pattern'].apply(lambda p: count_overlap_match(p, s))

大数据量优化方案

当DataFrame行数较多(十万级以上)时,逐行apply的计算效率会偏低,可以先提取所有去重后的pattern值,批量计算完成后再映射回原表,大幅减少重复计算:

# 提取所有不重复的模式值
unique_pat = df['pattern'].unique()
# 批量计算每个模式的出现次数
pat_count_map = {p: s.count(p) for p in unique_pat}
# 映射回原表生成新列
df['match_count_fast'] = df['pattern'].map(pat_count_map)

之前尝试用.str.contains()、groupby().count()没法实现的核心原因:这类方法要么是对DataFrame内部的列值做匹配统计,要么需要提前写死固定的检索值,没办法把外部固定字符串s作为查找池,逐行代入每行的pattern值完成计数。apply方法的灵活性刚好覆盖这类逐行自定义计算的场景。

内容的提问来源于stack exchange,提问作者brooks08

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:2026.10.28 08:06:10