如何使用Pandas按特殊字符拆分列值并执行分组统计？

没问题，我来帮你搞定这个需求！你现在需要把Messages列里用分号分隔的内容拆成单独条目，再按Owner和每个拆分后的消息统计出现次数，对吧？下面是具体的实现步骤和代码：

步骤1：模拟原始数据 #

先还原你的原始DataFrame，方便后续演示：

import pandas as pd

data = {
    'Owner': ['AAA', 'AAA', 'AAA', 'BBB', 'BBB'],
    'Messages': [
        '(YY) Duplicates',
        'Missing Number; (VV) Corrected Value; (YY) Duplicates',
        '(YY) Duplicates',
        '(YY) Duplicates',
        'Missing Measure; Missing Number'
    ]
}
df = pd.DataFrame(data)

步骤2：拆分并展开Messages列 #

我们用str.split(';')把每个单元格的内容按分号拆成列表，再用explode()把列表里的每个元素拆成单独的行，同时用str.strip()去掉每个消息前后的空格（避免因为空格导致分组错误）：

# 拆分+展开+清理空格
df_split = df.assign(Messages=df['Messages'].str.split(';')).explode('Messages')
df_split['Messages'] = df_split['Messages'].str.strip()

这一步处理后，df_split的结构会变成这样：

步骤3：分组统计数量 #

现在就可以像你原来的思路一样，按Owner和拆分后的Messages分组统计了：

df_grouped = df_split.groupby(['Owner', 'Messages']).size().reset_index(name='count')

最终得到的结果会是：

关键说明 #

• explode()是Pandas 0.25+版本支持的方法，如果你用的是旧版本，可以用apply(pd.Series).stack()来替代，但explode()更简洁高效。
• 一定要加str.strip()，不然像' Missing Number'和'Missing Number'会被当成不同的分组，统计结果就错了。

内容的提问来源于stack exchange，提问作者i.n.n.m