使用熊猫（Python）从字符串矩阵构造计数矩阵（整数）的方法

Question

有人可以帮我找到解决以下问题的方法吗？我更喜欢寻找要搜索的术语来解决问题，但如果您知道一种快速而肮脏的方法，那也将不胜感激。

我有一个像下面这样的矩阵：

        sample_1.             sample_2. sample_3.     sample_4.
G1  inc_1,inc_1A.                    *.    inc_1.        inc_1.
G2         inc_2.                    *.        *.            *.
G3             *.  inc_3,inc_3A,inc_3B.    inc_3.  inc_3,inc_3A

我希望将其转换为如下所示的计数矩阵

    sample_1.   sample_2.    sample_3.    sample_4.
G1    2   0   1   1
G2    1   0   0   0
G3    0   3   1   2

这个数据库非常大（大约 10,000 列和 3,000,000 行），所以我想尽可能避免使用 df.iterrows()。有谁知道我如何开始实施这个？

单元格中的“_”可以算作所有事件都具有此命名法，“*”表示未检测到（或 0）。

我们非常感谢任何帮助、建议或建设性的批评。

Answer 1

您可以使用 DataFrame.apply + Series.str.count 来统计数据框列中每个字符串中_ 的出现次数：

df.apply(lambda s: s.str.count(pat='_'))

---

    sample_1.  sample_2.  sample_3.  sample_4.
G1          2          0          1          1
G2          1          0          0          0
G3          0          3          1          2

Answer 2

这可能是一种发布问题的方式，这样其他人就可以很容易地解决问题：

import pandas as pd
d = {'col1': ['inc_1,inc_2.', 'inc_2', '*.'], 'col2': ['inc_1.', '*.', 'inc_1,inc_3.']}
df = pd.DataFrame(data=d)

这里有一个解决方案。注意 applymap 是关键：

df_new = df.copy()
df_new = df_new.applymap(lambda x: x.count('_'))
print(df_new)