pandas计算某列每行带有分隔符的数据中包含特定值的次数

某次做一个数据的处理，要计算用户的粉丝数量，数据集大概是这样的：

传播节点微博用户id	关注用户ids
ae26e5e3db7626dcaf6819ce5492d534	“04e9dc04d4b600d574d67b298a7dea7d,···”
a845733e3729a136889c07d275bcc3c5	“aebe49645667a02eae6ab6734ade24eb,···”
68e605feb5344fd413587b4245946c24"	77c471d3aba195b1322800602a93dc72,···"

这里的数据，都是经过脱敏处理后的id，即每个用户和他们的关注列表。“关注用户ids”应该是字符串类型，每一行由双引号包裹，由逗号作为id之间的分隔符。要计算用户的粉丝数量，就是看他们在所有用户的关注列表当中出现了多少次，也就是要对“关注用户ids”列出现的各个id进行计数。

参考博文¹进行以下处理

countN = dataI0['name'].str.split('|', expand=True).stack().value_counts()
# 计算各元素出现的次数

其中，不能对数据框的列Chart3Part[‘关注用户ids’]直接应用split，而需要先调用str。

• 其中的expand=True是按逗号对每一行进行分割后，将其扩展成多列。
• stack()则是构造二级行索引，在原本的行索引上，将列作为二级行索引。可参考博文²，也可见下文当中的实验三
• value_counts()是对值出现的次数进行计数，其返回值是一个pd.Series，name为被计数的列的名字，index为被计数的项，值为出现的次数

博文¹当中还有另一种方法，先单独对每一行进行处理，再从总的视角进行计数

countN = pd.Series(Counter([y for x in dataI0['name'] for y in x.split('|')]))

完整的示例如下：

import pandas as pd

dataI0 = pd.DataFrame(data=[