df 中按某一字段中的条件统计多个字符串在另一字段中包含的个数 形成新的df

在Python中使用pandas库可以很方便地处理这种需求。假设我们有一个DataFrame `df`，其中包含两个字段：`condition_field`和`text_field`。我们希望根据`condition_field`中的条件，统计`text_field`中包含特定字符串的个数，并将结果存储在一个新的DataFrame中。

以下是一个示例代码：

import pandas as pd

# 示例数据
data = {
    'condition_field': ['A', 'B', 'A', 'B', 'A'],
    'text_field': ['apple banana cherry', 'banana date', 'apple date', 'cherry date', 'apple banana']
}

df = pd.DataFrame(data)

# 定义要统计的字符串列表
strings_to_count = ['apple', 'banana', 'cherry', 'date']

# 初始化一个字典来存储结果
result = {}

# 遍历每个条件
for condition in df['condition_field'].unique():
    # 筛选出符合条件的行
    condition_df = df[df['condition_field'] == condition]
    
    # 初始化一个字典来存储每个字符串的计数
    string_counts = {}
    
    # 遍历每个字符串并统计其在text_field中的出现次数
    for string in strings_to_count:
        string_counts[string] = condition_df['text_field'].str.contains(string).sum()
    
    # 将结果存储在result字典中
    result[condition] = string_counts

# 将结果转换为新的DataFrame
result_df = pd.DataFrame(result).T

print(result_df)

这个代码的输出结果如下：

      apple  banana  cherry  date
A         3       2       1     1
B         0       1       1     2

在这个示例中，我们首先定义了一个包含要统计字符串的列表`strings_to_count`。然后，我们遍历`condition_field`中的每个唯一值，并根据条件筛选出相应的行。接着，我们统计每个字符串在`text_field`中的出现次数，并将结果存储在一个字典中。最后，我们将这个字典转换为一个新的DataFrame `result_df`。