Pandas sum of all word counts in column

Question

I have a pandas column that contains strings. I want to get a word count of all of the words in the entire column. What\'s the best way of doing that without looping through eac

Answer 1

Another option using the cat string method. We will smash all strings together then split and count

len(df["a"].str.cat(sep=' ').split())

elaborate test data

li = [
    'Lorem', 'ipsum', 'dolor', 'sit', 'amet', 'consectetur',
    'adipiscing', 'elit', 'Integer', 'et', 'tincidunt', 'nisl',
    'Sed', 'pretium', 'arcu', 'nec', 'est', 'hendrerit',
    'vestibulum', 'Curabitur', 'a', 'nibh', 'justo', 'Praesent',
    'non', 'pellentesque', 'enim', 'ac', 'nulla', 'ut', 'mi',
    'diam', 'Aenean', 'placerat', 'ante', 'euismod', 'pulvinar',
    'augue', 'purus', 'ornare', 'erat', 'pharetra', 'mauris',
    'sapien', 'vitae', 'In', 'id', 'velit', 'quis', 'mattis',
    'condimentum', 'Cras', 'congue', 'neque', 'faucibus', 'nisi',
    'tempor', 'eget', 'Etiam', 'semper', 'Nulla', 'elementum',
    'magna', 'Donec', 'vel', 'ex', 'dictum', 'Aliquam', 'lobortis',
    'rutrum', 'ligula', 'Vivamus', 'eu', 'eros', 'Morbi', 'blandit',
    'rhoncus', 'consequat', 'orci', 'convallis', 'finibus', 'lorem',
    'urna', 'molestie', 'in', 'sed', 'luctus', 'Ut', 'imperdiet',
    'felis', 'Mauris', 'nunc', 'malesuada', 'lacinia', 'Vestibulum',
    'bibendum', 'risus', 'tortor', 'sollicitudin', 'aliquam',
    'primis', 'ultrices', 'posuere', 'cubilia', 'Curae',
    'Phasellus', 'turpis', 'auctor', 'venenatis', 'Pellentesque',
    'fermentum', 'accumsan', 'maximus', 'Fusce', 'ultricies',
    'tristique', 'sodales', 'suscipit', 'sagittis', 'at', 'cursus',
    'Nullam', 'dui', 'fringilla', 'mollis', 'Orci', 'varius',
    'natoque', 'penatibus', 'magnis', 'dis', 'parturient', 'montes',
    'nascetur', 'ridiculus', 'mus', 'facilisi', 'sem', 'viverra',
    'feugiat', 'aliquet', 'lectus', 'porta', 'Nunc', 'facilisis',
    'Duis', 'volutpat', 'scelerisque', 'Maecenas', 'tempus',
    'massa', 'laoreet', 'gravida', 'odio', 'iaculis', 'libero',
    'eleifend', 'leo', 'Quisque', 'ullamcorper', 'dignissim',
    'interdum', 'vulputate', 'lacus', 'vehicula', 'Nam', 'commodo',
    'dapibus', 'efficitur', 'tellus', 'Suspendisse', 'metus',
    'Proin', 'quam', 'porttitor', 'egestas'
]

df = pd.DataFrame(
    dict(a=[' '.join(
            np.random.choice(li, np.random.randint(5, 10, 1))
    ) for _ in range(10000)]))

naive test results