Pandas str.count

Question

考虑以下数据框。我想计算出现在字符串中的“$”的数量。我在 pandas (http://pandas.pydata.org/pandas-docs/stable/generated/pandas.Series.str.count.html) 中使用了str.count 函数。

>>> import pandas as pd
>>> df = pd.DataFrame(['$$a', '$$b', '$c'], columns=['A'])
>>> df['A'].str.count('$')
0    1
1    1
2    1
Name: A, dtype: int64

我期待结果是[2,2,1]。我究竟做错了什么？

在 Python 中，字符串模块中的count 函数返回正确的结果。

>>> a = "$$$$abcd"
>>> a.count('$')
4
>>> a = '$abcd$dsf$'
>>> a.count('$')
3

Answer 1

$ 在 RegEx 中有一个特殊的含义——它是行尾，所以试试这个：

In [21]: df.A.str.count(r'\$')
Out[21]:
0    2
1    2
2    1
Name: A, dtype: int64

Answer 2

正如其他答案所指出的，这里的问题是$ 表示行尾。如果您不打算使用正则表达式，您可能会发现使用str.count（即来自内置类型str 的方法）比其对应的pandas 更快；

In [39]: df['A'].apply(lambda x: x.count('$'))
Out[39]: 
0    2
1    2
2    1
Name: A, dtype: int64

In [40]: %timeit df['A'].str.count(r'\$')
1000 loops, best of 3: 243 µs per loop

In [41]: %timeit df['A'].apply(lambda x: x.count('$'))
1000 loops, best of 3: 202 µs per loop

Answer 3

尝试使用模式[$]，这样它就不会将$ 视为字符结尾（请参阅此cheatsheet），如果您将其放在方括号[] 中，那么它会将其视为文字字符：

In [3]:
df = pd.DataFrame(['$$a', '$$b', '$c'], columns=['A'])
df['A'].str.count('[$]')

Out[3]:
0    2
1    2
2    1
Name: A, dtype: int64

Answer 4

从@fuglede 得到启发

pd.Series([x.count('$') for x in df.A.values.tolist()], df.index)

---

正如@jezrael 所指出的，当存在空类型时，上述操作会失败，所以...

def tc(x):
    try:
        return x.count('$')
    except:
        return 0

pd.Series([tc(x) for x in df.A.values.tolist()], df.index)

时间

np.random.seed([3,1415])
df = pd.Series(np.random.randint(0, 100, 100000)) \
       .apply(lambda x: '\$' * x).to_frame('A')

df.A.replace('', np.nan, inplace=True)

def tc(x):
    try:
        return x.count('$')
    except:
        return 0