您的预期输出与给定的示例数据不匹配。
首先可以在空间上拆分列，然后 strip 去掉任何剩余的空格或句号和逗号，然后分解它，然后调用 value_counts 及 reindex 在列表中，最后删除 NaN 值，并按降序对值进行排序。
它假定 case-sensitive 计数。

# df is the dataframe, and text is the column name
>>> result=(df['text']
        .str
        .split()
        .apply(lambda x: [i.strip(' .,') for i in x])
        .explode()
        .value_counts()
        .reindex(mylist)
        .dropna()
        .sort_values(ascending=False))

输出：

>>> result
screen         2.0
application    1.0
dynamic        1.0
use            1.0
capture        1.0
stronger       1.0
default        1.0
blurring       1.0
code           1.0
adding         1.0
debugger       1.0
runtime        1.0
instrument     1.0
obfuscation    1.0
Name: text, dtype: float64

我希望我已经很好地理解了你的问题。这个例子适用于所有的单词 mylist 并统计 Dataframe 中的出现次数 df ( df["col1"] 您的列是否包含字符串）：

df_out = pd.DataFrame({"Word": mylist})
df_out["Count"] = df_out["Word"].apply(
    lambda x: df["col1"]
    .apply(lambda z: sum(x in w for w in z.lower().split()))
    .sum()
)
print(df_out[df_out.Count > 0].sort_values(by="Count", ascending=False))

印刷品：

Word  Count
4        screen      2
1       disable      1
13      default      1
42   instrument      1
40      runtime      1
38     debugger      1
37       adding      1
32         code      1
22       recent      1
19     blurring      1
12   strengthen      1
3   application      1
11  flag_secure      1
10     stronger      1
9       capture      1
8           use      1
7         frida      1
6       dynamic      1
49  obfuscation      1