拆分一列字符串并使用熊猫计算单词数

Question

id   string   
0    31672;0           
1    31965;0
2    0;78464
3      51462
4    31931;0

你好，我有那个桌子。我想通过';'拆分字符串表，并将其存储到新列中。最后一列应该是这样的

 id   string   word_count
0    31672;0    2       
1    31965;0    2
2    0;78464    2
3      51462    1
4    31931;0    2

如果有人知道如何用 python 来做，那就太好了。

Answer 1

选项 1
使用str.split+ str.len-的基本解决方案

df['word_count'] = df['string'].str.split(';').str.len()
df

     string  word_count
id                     
0   31672;0           2
1   31965;0           2
2   0;78464           2
3     51462           1
4   31931;0           2

选项 2
巧妙（高效、占用空间更少）的解决方案str.count-

df['word_count'] = df['string'].str.count(';') + 1
df

     string  word_count
id                     
0   31672;0           2
1   31965;0           2
2   0;78464           2
3     51462           1
4   31931;0           2

警告 - 即使对于空字符串，这也会将字数归因于 1（在这种情况下，请坚持使用选项 1）。

如果您希望每个单词占据一个新列，可以使用一种快速而简单的方法tolist，将拆分加载到新数据帧中，然后使用concat-将新数据帧与原始数据帧连接起来-

v = pd.DataFrame(df['string'].str.split(';').tolist())\
        .rename(columns=lambda x: x + 1)\
        .add_prefix('string_')

pd.concat([df, v], 1)

     string  word_count string_1 string_2
id                                       
0   31672;0           2    31672        0
1   31965;0           2    31965        0
2   0;78464           2        0    78464
3     51462           1    51462     None
4   31931;0           2    31931        0