Python 计算多个子字符串在dataframe列中出现的次数

我有一个dataframe，其中一列中有一个句子列表，我正在尝试创建一个新列，该列的数量等于字符串列表出现的次数

例如，相关的数据帧如下所示

book['sentences']
0 The brown dog jumped over the big moon
1 The brown fox slid under the brown log

我试图计算“brown”、“over”和“log”在每个句子中出现的次数（即新列将等于2和3）

我知道我可以用str.count来做这件事，但一次只能做一个字符串，然后我必须把它们加起来

book['count_brown'] = book['sentences'].str.count('brown')
book['count_over'] = book['sentences'].str.count('over')
book['count_log'] = book['sentences'].str.count('log')
book['count'] = book['count_brown']+book['count_over']+book['count_log']

我正在搜索的字符串列表超过300个单词，因此即使有一个循环，它似乎也不是最优的。有更好的方法吗？

甘基

lst = ['brown', 'over', 'log']

book['sentences'].str.extractall(
    '({})'.format('|'.join(lst))
).groupby(level=0)[0].value_counts().unstack(fill_value=0)

0  brown  log  over
0      1    0     1
1      2    1     0

---

与piRSquared的解决方案类似，但使用

get_dummies

和

sum

进行计数

df
                                sentences
0  The brown dog jumped over the big moon
1  The brown fox slid under the brown log

words = ['brown', 'over', 'log']
df = df.sentences.str.extractall('({})'.format('|'.join(words)))\
                           .iloc[:, 0].str.get_dummies().sum(level=0)
df
   brown  log  over
0      1    0     1
1      2    1     0

---

如果要在一列中按行计数所有单词，只需沿第一个轴求和即可

df.sum(1)
0    2
1    3
dtype: int64 

---

借助

nltk

频率分布，您可以非常轻松地做到这一点，即

import nltk 
lst = ['brown', 'over', 'log']
ndf = df['sentences'].apply(nltk.tokenize.word_tokenize).apply(nltk.FreqDist).apply(pd.Series)[lst].fillna(0)

输出：

brown over log 0 1.0 1.0 0.0 1 2.0 0.0 1.0 棕色超过原木计数 0 1.0 1.0 0.0 2.0 1 2.0 0.0 1.0 3.0

---

甘基是什么意思？@cᴏʟᴅsᴘᴇᴇᴅ 讨厌的恶心的可怕的

ndf['count'] = ndf.sum(1)

brown over log count 0 1.0 1.0 0.0 2.0 1 2.0 0.0 1.0 3.0