Python Pandas中计算两列字符串列表的交集元素个数

嘿，我来帮你搞定这个需求！你要计算DataFrame中每行A列和B列（都是字符串列表）的交集元素个数，之前的方法没生效，主要是没针对每行的两个列表做针对性处理，我给你两种靠谱的解法：

方法一：使用apply（直观易懂） #

先定义一个处理单行的函数，然后通过apply按行遍历DataFrame，记得一定要加上axis=1参数（表示按行处理）：

import pandas as pd

def count_row_intersection(row):
    # 将两个列表转为集合求交集，再返回交集的长度
    return len(set(row['A']) & set(row['B']))

# 假设你的DataFrame名为df，生成C列
df['C'] = df.apply(count_row_intersection, axis=1)

方法二：列表推导式（更高效） #

如果你的数据量比较大，apply的效率可能不够高，用列表推导式结合zip会快很多：

df['C'] = [len(set(col_a) & set(col_b)) for col_a, col_b in zip(df['A'], df['B'])]

验证示例 #

举个实际例子测试一下：

data = {
    'A': [['car', 'passenger', 'truck'], ['cat', 'dog'], ['apple']],
    'B': [['car', 'house', 'flower', 'truck'], ['dog', 'bird'], ['banana', 'apple']]
}
df = pd.DataFrame(data)
# 用上面任意一种方法生成C列后，df的结果如下：
#                             A                            B  C
# 0  [car, passenger, truck]  [car, house, flower, truck]  2
# 1               [cat, dog]               [dog, bird]     1
# 2                  [apple]            [banana, apple]     1

为什么之前的方法无效？ #

• np.unique(frame[['colA', 'colB']])：这个是对整个两列的所有元素做全局去重，根本不是针对每行的交集计算，完全不符合你的需求。
• 之前的apply写法如果没加axis=1，默认是按列处理的，函数接收的是整列数据，而非每行的A、B两个列表，自然得不到正确结果。

内容的提问来源于stack exchange，提问作者Mia