拯救pandas计划（18）——统计列中元素包含某字符的次数

最近发现周围的很多小伙伴们都不太乐意使用pandas，转而投向其他的数据操作库，身为一个数据工作者，基本上是张口pandas，闭口pandas了，故而写下此系列以让更多的小伙伴们爱上pandas。

系列文章说明：

系列名（系列文章序号）——此次系列文章具体解决的需求

平台：

• windows 10
• python 3.8
• pandas >=1.2.4

数据需求

构造测试数据如下，想要统计指定字符的数量。

import pandas as pd

s = pd.Series(['Brown', 'Golden', 'Oracle', 'Mysql', 'Python', 'White', 'Apple'])

需求处理

1. 统计字符串汇总包含字符’p’的数量，不区分大小写。

• 方法一：使用列表推导式

s.map(lambda x: len([i for i in x.lower() if i == 'p']))

为了不区分大小写，将字符串全部小写再判断’p’在里面出现的次数。

• 方法二：count统计计数

pandas.str下包含count方法可以对字符串内的字符进行统计，在此之前使用lower小写字符串。

s.str.lower().str.count('p') 

两种方法均可实现需求，结果如下：

2. 统计字符串包含指定两个字符（‘a’和’p’）的数量和，不区分大小写

• 方法三：str.findall

统计两个字符只需要在上一单字符示例中增加一个字符就行，例如推导式的条件中添加or i == 'a'，然而当指定字符或字符对增多时代码会显得厚重，不易维护。

s.str.findall(r'[ap]', flags=re.I).str.len()

这种通过正则表达式的方式对字符内容进行匹配，返回对象为列表，再调用len方法统计列表的长度。

• 方法四：str.extractall

除findall外，extractall同样可以对字符串数据进行匹配。

s.str.extractall(r'([ap])', flags=re.I).groupby(level=0).size()  

与findall不同的是生成的对象为DataFrame，并且增加了一组match索引，统计数量需要对原索引聚合再返回各组数量大小，如了解groupby.filter方法可将此extractall的执行顺序置后。

上两种方法仅对字符串中包含指定字符其一即可，如’Oracle’只包含’a’，‘Python’只包含’p’，'Apple’两个都包含。

3. 在上一示例中，增加仅统计指定字符全部在字符串内的条件

• 方法五：extractall分组返回

尝试使用findall方法对于统计这种需求可能不好着手弄，而使用extractall却刚刚好。

匹配要求：分组1：‘ap’，分组2：‘oe’，字符串中至少含有’ap’中的一个，且至少含有’oe’中的一个。

findall结果：

extractall结果：

s.str.extractall(r'([ap])?([oe])?', flags=re.I).groupby(level=0).count().replace({0: pd.NA}).sum(axis=1, skipna=False)

count统计每个字符串包含每个分组的数量，为了能够正常统计满足要求的字符串数量，需要对0替换成pd.NA，在sum中不计算空缺值，统计的结果就只对满足要求的字符串进行了统计，如’Oracle’即含有’a’又含有’e’。

总结

本文从匹配单字符到多分组字符，循序渐进地实现各个需求，也仅仅为最近的使用心得，对于当前需求实现的方式仍有很多，选取几种针对于本文的方式来探索某些函数方法的使用，如对此有其他见解可与作者交流。

学习是经常性的行为。

---

于二零二二年六月十三日作