如何使用.apply()将一列词典合并为一个词典？

我在pandas数据框中有一列词典.

srs_tf = pd.Series([{'dried': 1,'oak': 2},{'fruity': 2,'earthy': 2},{'tones': 2,'oak': 4}]) 
srs_b = pd.Series([2,4,6]) 
df = pd.DataFrame({'tf': srs_tf,'b': srs_b}) 

df

                           tf  b
0      {'dried': 1,'oak': 2}  2
1  {'fruity': 2,'earthy': 2}  4
2      {'tones': 2,'oak': 4}  6

这些词典代表了葡萄酒描述中的词频(输入字典：{‘savoury’：1,’dried’：3,’thyme’：1,’notes’..}).我需要从这一列字典中创建一个输出字典,其中包含来自输??入字典的所有键,并将它们映射到存在这些键的输入字典的数量.例如,单词“ dried”是输入字典中的850键,因此在输出字典{..’dried’：850 …}中.

我想尝试使用数据框.apply()方法,但是我认为使用不正确.

def worddict(row,description_counter):
    for key in row['tf'].keys():
        if key in description_counter.keys():
            description_counter[key] += 1
        else:
            description_counter[key] = 1
    return description_counter

description_counter = {}

output_dict = df_wine_list.apply(lambda x: worddict(x,description_counter),axis = 1)

有几件事.我认为我的轴应= 0而不是1,但是尝试时会出现此错误：KeyError：(‘tf’,’出现在未命名的索引：0′)

当我确实使用axis = 1时,我的函数将返回一列具有相同字典的字典,而不是单个字典.