python - Pandas : Count the number of occurrence of all matched patterns in a column

Question

假设我有一个数据框

df = pd.DataFrame({
    'column_1': ['ABC DEF', 'JKL', 'GHI  ABC', 'ABC ABC', 'DEF GHI', 'DEF', 'DEF DEF', 'ABC GHI DEF ABC'],
    'column_2': [9, 2, 3, 4, 6, 2, 7, 1 ]
})

df
          column_1  column_2
0          ABC DEF         9
1         GHI  ABC         3
2          ABC ABC         4
3          DEF GHI         6
4              DEF         2
5          DEF DEF         7
6  ABC GHI DEF ABC         1

我想计算我的每个正则表达式模式组出现在列中的次数。

为简单起见，假设模式是单词 ABC 和 DEF，那么我需要计算所有行中它们的数量。

预期输出:

          column_1  column_2    Group1_count   Group2_count
0          ABC DEF         9         1              1
1              JKL         9         0              0
2         GHI  ABC         3         1              0
3          ABC ABC         4         2              0
4          DEF GHI         6         0              1
5              DEF         2         0              1
6          DEF DEF         7         0              2
7  ABC GHI DEF ABC         1         2              1

这是我尝试过的，我无法弄清楚如何继续获取计数值。

df['column_1'].str.extractall('(ABC)|(DEF)').groupby(level=0).first()

      0     1
0   ABC   DEF
2   ABC  None
3   ABC  None
4  None   DEF
5  None   DEF
6  None   DEF
7   ABC   DEF

对于这个问题，我们将不胜感激矢量解决方案/单线方法。另请注意，在此示例中，为了简单起见，我使用了 ABC 和 DEF，但它也可能是一个复杂的正则表达式模式。

Answer 1

如果您对 notna 而不是 first 求和，然后再与原始 df 结合，您可以通过您的方法获得所需的结果

df.join(df['column_1'].str.extractall('(ABC)|(DEF)').notna().groupby(level=0).sum(), how='left').fillna(0)

输出

          column_1  column_2    0    1
0          ABC DEF         9  1.0  1.0
1              JKL         2  0.0  0.0
2         GHI  ABC         3  1.0  0.0
3          ABC ABC         4  2.0  0.0
4          DEF GHI         6  0.0  1.0
5              DEF         2  0.0  1.0
6          DEF DEF         7  0.0  2.0
7  ABC GHI DEF ABC         1  2.0  1.0