如何在pandas DataFrame中统计指定列内特定词出现在另一特定词之后的次数
Pandas指定列中「目标词在参考词之后出现」的次数统计
需求说明
对DataFrame的指定文本列逐行判断:行内文本中目标词汇(如示例的bed)是否出现在参考词汇(如示例的home)之后,最终统计全列满足该条件的记录总数量。
可运行的示例初始化代码
原示例代码存在语法问题,修正为可直接运行的版本:
import pandas as pd raw_data = { 'whereabouts': ['in bed at home', 'at home in bed', 'in school in class', 'at home in bed', 'at home in yard'], 'last_name': ['James', 'Ellen', 'Alex', 'Tomas', 'Rick'] } df = pd.DataFrame(raw_data, columns=['whereabouts', 'last_name']) print(df)
核心实现方案
采用正则匹配完成判断,为避免子串误匹配(如将homestay中的home、bedroom中的bed错判为目标词),匹配规则加入单词边界校验:
- 正则规则:
\bhome\b.*?\bbed\b\b:标记单词边界,确保匹配的是独立完整的目标词汇.*?:非贪婪匹配,覆盖两个单词之间的任意文本内容
# 定义匹配规则 match_pattern = r'\bhome\b.*?\bbed\b' # 逐行校验匹配情况,布尔值求和即为满足条件的记录总数 total_valid = df['whereabouts'].str.contains(match_pattern, regex=True).sum() print(f"符合条件的记录总数:{total_valid}")
示例运行结果
对示例数据集逐行校验:
in bed at home:bed在home之前,不满足at home in bed:bed在home之后,满足in school in class:无两个目标词汇,不满足at home in bed:bed在home之后,满足at home in yard:home后无bed,不满足
最终输出满足条件的记录总数为2。
补充规则
- 若需统计单行内多次满足条件的出现频次(如单行文本包含
home...bed...home...bed的场景),可将str.contains替换为str.count(match_pattern)后再求和,会按实际出现次数累计 - 若不需要严格匹配独立单词,仅需匹配连续子串,可去掉正则中的
\b标记,直接使用r'home.*?bed'作为匹配规则
内容的提问来源于stack exchange,提问作者JoelK
相关产品推荐
相关产品推荐

