You need to enable JavaScript to run this app. pandas按行统计DataFrame两列单词数求和新增列的实现问题
优惠活动
大模型
产品
解决方案
定价
更多

pandas按行统计DataFrame两列单词数求和新增列的实现问题

代码修正方案

原代码问题定位

  • 缺失axis=1配置:DataFrame.apply默认沿列方向(axis=0)执行计算,也就是逐列传入lambda,没有按行匹配两个字段的逻辑,计算结果和单行的两列内容完全无关。
  • 计算逻辑偏差:原代码直接把传入的整体数据转成字符串再拆分,拆分内容包含了pandas自动生成的Series结构文本,并不是两个字段本身的单词数,自然没法得到正确的求和结果。

正确实现方式

矢量化计算(推荐)

用pandas内置的字符串处理方法逐列计算单词数再求和,大文本量下计算效率远高于逐行遍历:

# 填充空值避免报错,默认按任意连续空白拆分,自动忽略首尾空格
q_word_cnt = df['question'].fillna('').str.split().str.len()
a_word_cnt = df['answer'].fillna('').str.split().str.len()
# 两列计数相加生成新列
df['word_count'] = q_word_cnt + a_word_cnt

这种方法不会因为单词间多空格、字段首尾带空格出现计数偏差,也不会碰到空值直接报错。

逐行apply写法

如果需要沿用apply的编码思路,需要调整两处关键逻辑:

  1. 给apply添加axis=1参数,让计算沿行方向逐行执行
  2. lambda内部单独读取该行的question和answer字段分别计算单词数,不要把整行数据直接转字符串

示例代码:

df['word_count'] = df.apply(
    lambda row: len(str(row['question']).split()) + len(str(row['answer']).split()),
    axis=1
)

两种实现的计算结果可以完全匹配示例预期:

  • 第1行:question字段5个单词,answer字段3个单词,总计8
  • 第2行:question字段2个单词,answer字段1个单词,总计3
  • 第3行:question字段4个单词,answer字段1个单词,总计5

注意:逐行apply的写法在万行以上的数据量下性能会明显低于矢量化方案,日常使用优先选前者。

内容的提问来源于stack exchange,提问作者jonas。

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:2026.11.17 19:45:08