拆分字符串列并按分组统计字符频率的实现方法

我来帮你搞定这个字符频率统计的需求！用Python的pandas库就能轻松实现，下面是具体步骤和代码：

原始数据集 #

先把你的数据整理成清晰的表格格式：

实现代码 #

import pandas as pd

# 加载你的数据集（这里用模拟数据示例，实际可以用pd.read_csv读取）
data = {
    'group': ['A', 'A', 'B', 'B', 'B', 'A'],
    'sequence': ['BX', 'X', 'SFS', 'BCX', 'BSS*B1S', 'BBX']
}
df = pd.DataFrame(data)

# 1. 将每个sequence拆分为单个字符，并展开为多行
df_exploded = df.assign(char=df['sequence'].apply(list)).explode('char')

# （可选）如果只想统计字母字符，过滤掉非字母的符号/数字
# df_exploded = df_exploded[df_exploded['char'].str.isalpha()]

# 2. 按group和char分组，统计出现频率
result_df = df_exploded.groupby(['group', 'char']).size().reset_index(name='freq')

# 查看最终结果
print(result_df)

运行结果 #

执行代码后会得到你想要的格式：

如果启用了可选的过滤步骤，结果会自动去掉1和*这类非字母字符，只保留字母的统计结果。

内容的提问来源于stack exchange，提问作者Justin