在Pandas DataFrame中查找字符串：统计Jan列值在URL列的出现情况

嘿，我来帮你搞定这个统计需求！先把你要的三列逻辑掰扯清楚：

• found in cell：当前行Jan列的值，在该行URL单元格里出现的次数
• found in column：当前行Jan列的值，在整个URL列所有单元格中的总出现次数
• distinct finds：当前行Jan列的值，在URL列中多少不同的行里出现过（只要某行URL包含该值就算1次，不管该行内重复出现多少次）

下面用Python的pandas一步步实现，我先构造示例数据，你可以直接替换成自己的DataFrame来用：

1. 准备示例数据 #

先导入pandas并创建测试用的数据集，方便你验证效果：

import pandas as pd

# 构造示例DataFrame，替换成你自己的数据即可
data = {
    'Jan': ['try', 'why', 'try', 'hello'],
    'URL': [
        'https://example.com/try-this',
        'https://example.com/why-not-why',
        'https://example.com/another-try',
        'https://example.com/no-match'
    ]
}
df = pd.DataFrame(data)

2. 计算found in cell列 #

针对每行，统计Jan的值在对应URL单元格里的出现次数，用apply逐行处理就行：

df['found in cell'] = df.apply(lambda row: row['URL'].count(row['Jan']), axis=1)

3. 计算found in column列 #

先统计每个Jan值在整个URL列的总出现次数，再把结果映射到DataFrame的新列中：

# 生成每个Jan值的总出现次数字典
total_match_counts = {}
for term in df['Jan'].unique():
    total_match_counts[term] = df['URL'].str.count(term).sum()

# 把统计结果映射到新列
df['found in column'] = df['Jan'].map(total_match_counts)

4. 计算distinct finds列 #

统计每个Jan值在多少行的URL中出现过（只要该行包含至少一次就算）：

# 生成每个Jan值的出现行数字典
distinct_row_counts = {}
for term in df['Jan'].unique():
    distinct_row_counts[term] = df['URL'].str.contains(term).sum()

# 映射到新列
df['distinct finds'] = df['Jan'].map(distinct_row_counts)

最终结果 #

运行完上面的代码后，你的DataFrame会变成这样：

Jan                          URL  found in cell  found in column  distinct finds
0    try      https://example.com/try-this              1                2                2
1    why  https://example.com/why-not-why              2                2                1
2    try  https://example.com/another-try              1                2                2
3  hello    https://example.com/no-match              0                0                0

额外小提示 #

如果需要忽略大小写匹配（比如把Try和try当成同一个值），只需要把字符串统一转成小写再统计，比如修改found in cell的代码：

df['found in cell'] = df.apply(lambda row: row['URL'].lower().count(row['Jan'].lower()), axis=1)

其他两列的统计逻辑也可以用同样的方式修改哦～

内容的提问来源于stack exchange，提问作者Ni_Tempe