如何在循环中使用pandas str.contains？及DataFrame列元素计数实现

嘿，我来帮你搞定这两个pandas的问题～

首先得说，str.contains本身是向量化操作，通常不需要循环就能处理批量数据，但如果你的场景确实需要在循环里用（比如遍历多个关键词，给每个关键词生成一个标记列），可以这么做：

示例1：遍历关键词列表，生成多个标记列 #

比如我们有一个文本DataFrame，要检查每行是否包含不同的关键词：

import pandas as pd

df = pd.DataFrame({'text': ['I love dogs', 'Cats are cute', 'Birds sing', 'Dogs and cats']})
keywords = ['dog', 'cat', 'bird']

# 循环每个关键词，创建对应列标记是否包含
for keyword in keywords:
    # case=False 忽略大小写，避免漏匹配
    df[f'has_{keyword}'] = df['text'].str.contains(keyword, case=False)

运行后你会得到新列has_dog、has_cat、has_bird，每行对应布尔值表示是否包含该关键词。

示例2：遍历每行检查（不推荐，效率低） #

如果非要逐行处理（大数据量千万别这么干，向量化操作快得多），可以用iterrows()：

matches = []
for idx, row in df.iterrows():
    # 手动检查当前行文本是否包含关键词
    is_match = 'dog' in row['text'].lower()
    matches.append(is_match)
df['has_dog'] = matches

👉 小提示：优先用向量化的str.contains，循环尽量只在必要的时候用，不然大数据量下会很慢！

针对你说的场景：A列是逗号分隔的字符串，要统计('dog', 'bird', 'cat')这些元素在每行的出现次数，生成B列。这里有两种实用方法：

方法1：用apply自定义函数（易读性高） #

import pandas as pd

# 构造你的示例DataFrame
df = pd.DataFrame({
    'A': ['dog, bird', 'cat, bird', 'dog, snake', 'cat, bird, snake', 'dog, bird, cat, snake']
})
# 把目标元素转成集合，成员检查更快
target_elements = {'dog', 'bird', 'cat'}

def count_target_matches(s):
    # 按逗号分割字符串，去掉每个元素的空格，转成集合
    row_elements = set(item.strip() for item in s.split(','))
    # 计算和目标集合的交集大小，就是出现的不同目标元素数量
    return len(row_elements & target_elements)

# 把函数应用到A列的每一行，生成B列
df['B'] = df['A'].apply(count_target_matches)

运行后就能得到你想要的结果：

A  B
0          dog, bird  2
1          cat, bird  2
2          dog, snake  1
3   cat, bird, snake  2
4  dog, bird, cat, snake  3

方法2：向量化操作（效率更高，适合大数据量） #

如果你的数据量很大，apply可能不够快，可以用纯向量化的方式：

df['B'] = df['A'].str.split(',', expand=True)\
                 .apply(lambda x: x.str.strip().isin(target_elements))\
                 .sum(axis=1)

解释一下：

1. str.split(',', expand=True)把每个字符串拆成多列；
2. x.str.strip()去掉每个元素的空格，isin(target_elements)检查是否是目标元素；
3. sum(axis=1)统计每行的True数量，就是目标元素的出现次数。

内容的提问来源于stack exchange，提问作者sne89