你可以通过以下步骤实现你想要的结果：

1. 将 mentions 列中的逗号分隔的字符串拆分为单独的提及。
2. 展开拆分后的列表为多行。
3. 使用 GroupBy 和 size 来统计每个日期的每个提及的频率。

下面是实现的步骤：

代码实现：

import pandas as pd

# 原始数据
data = {
    'date': ['2018-01-01', '2018-01-01', '2018-01-02', '2018-01-03', '2018-01-05', '2018-01-07', '2018-01-10', '2018-01-11'],
    'mentions': ['alpha, beta, gamma', 'alpha', 'beta', 'delta', 'alpha', 'alpha', 'delta, gamma', 'gamma']
}

# 创建 DataFrame
df = pd.DataFrame(data)

# 将 mentions 列中的字符串按逗号拆分并展开成多行
df_expanded = df.set_index('date').mentions.str.split(', ', expand=True).stack().reset_index(name='mention')

# 计算每个日期的每个提及的计数
result = df_expanded.groupby(['date', 'mention']).size().unstack(fill_value=0)

# 查看结果
print(result)

输出结果：

mention      alpha  beta  delta  gamma
date                                   
2018-01-01      2     1      0      1
2018-01-02      0     1      0      0
2018-01-03      0     0      1      0
2018-01-05      1     0      0      0
2018-01-07      1     0      0      0
2018-01-10      0     0      1      1
2018-01-11      0     0      0      1

解释：

1. 拆分 mentions 列: 使用 str.split(', ') 将每个提及按逗号分开，这样每个日期的提及就变成了一个列表。
2. 展开为多行: 使用 stack() 将拆分后的数据转换为多行，每个提及都对应一行。
3. 计数并重新排列: 使用 groupby(['date', 'mention']).size() 来计算每个日期每个提及的出现次数，最后使用 unstack() 将 mention 列转为列名，并填充缺失的值（填充为 0）。

这种方法既高效又简洁，适用于你的需求。