计算一列在 Pandas 中包含特定值的次数
Count how many times a column contains a certain value in Pandas
假设我的数据框如下所示：
column_name
1 book
2 fish
3 icecream|book
4 fish
5 campfire|book
现在，如果我使用 df['column_name'].value_counts()，它会告诉我 fish 是最常见的值。
但是，我希望返回 book，因为第 1、3 和 5 行包含单词 'book'。
我知道 .value_counts() 将 icecream|book 识别为一个值，但是有没有一种方法可以通过计算每个列单元格包含特定值的次数来确定最常见的值，以便'book'请问出现次数最多的值？
a = df['column_name'].str.split('|', expand=True).stack().value_counts()
print (a)
book 3
fish 2
icecream 1
campfire 1
dtype: int64
或 Counter 列表推导和扁平化：
from collections import Counter
a = pd.Series(Counter([y for x in df['column_name'] for y in x.split('|')]))
print (a)
book 3
fish 2
icecream 1
campfire 1
dtype: int64
pd.value_counts
您还可以将列表传递给 value_counts 函数。注意我 join 被 | 然后被 | 分割。
pd.value_counts('|'.join(df.column_name).split('|'))
book 3
fish 2
icecream 1
campfire 1
dtype: int64
get_dummies
之所以有效，是因为您的数据结构采用 | 作为分隔符。如果您有不同的分隔符，请将其传递给 get_dummies 调用 df.column_name.str.get_dummies(sep='|').sum()
df.column_name.str.get_dummies().sum()
book 3
campfire 1
fish 2
icecream 1
dtype: int64
如果您希望结果排序
df.column_name.str.get_dummies().sum().sort_values(ascending=False)
book 3
fish 2
icecream 1
campfire 1
dtype: int64
pd.factorize 和 np.bincount
请注意，我 join 整个列并再次拆分。
f, u = pd.factorize('|'.join(df.column_name).split('|'))
pd.Series(np.bincount(f), u)
book 3
fish 2
icecream 1
campfire 1
dtype: int64
要排序，我们可以像上面那样使用sort_values。或者这个
f, u = pd.factorize('|'.join(df.column_name).split('|'))
counts = np.bincount(f)
a = counts.argsort()[::-1]
pd.Series(counts[a], u[a])
book 3
fish 2
campfire 1
icecream 1
dtype: int64
使用 collections.Counter + itertools.chain:
from collections import Counter
from itertools import chain
c = Counter(chain.from_iterable(df['column_name'].str.split('|')))
res = pd.Series(c)
print(res)
book 3
campfire 1
fish 2
icecream 1
dtype: int64
假设我的数据框如下所示：
column_name
1 book
2 fish
3 icecream|book
4 fish
5 campfire|book
现在，如果我使用 df['column_name'].value_counts()，它会告诉我 fish 是最常见的值。
但是，我希望返回 book，因为第 1、3 和 5 行包含单词 'book'。
我知道 .value_counts() 将 icecream|book 识别为一个值，但是有没有一种方法可以通过计算每个列单元格包含特定值的次数来确定最常见的值，以便'book'请问出现次数最多的值？
a = df['column_name'].str.split('|', expand=True).stack().value_counts()
print (a)
book 3
fish 2
icecream 1
campfire 1
dtype: int64
或 Counter 列表推导和扁平化：
from collections import Counter
a = pd.Series(Counter([y for x in df['column_name'] for y in x.split('|')]))
print (a)
book 3
fish 2
icecream 1
campfire 1
dtype: int64
pd.value_counts
您还可以将列表传递给 value_counts 函数。注意我 join 被 | 然后被 | 分割。
pd.value_counts('|'.join(df.column_name).split('|'))
book 3
fish 2
icecream 1
campfire 1
dtype: int64
get_dummies
之所以有效，是因为您的数据结构采用 | 作为分隔符。如果您有不同的分隔符，请将其传递给 get_dummies 调用 df.column_name.str.get_dummies(sep='|').sum()
df.column_name.str.get_dummies().sum()
book 3
campfire 1
fish 2
icecream 1
dtype: int64
如果您希望结果排序
df.column_name.str.get_dummies().sum().sort_values(ascending=False)
book 3
fish 2
icecream 1
campfire 1
dtype: int64
pd.factorize 和 np.bincount
请注意，我 join 整个列并再次拆分。
f, u = pd.factorize('|'.join(df.column_name).split('|'))
pd.Series(np.bincount(f), u)
book 3
fish 2
icecream 1
campfire 1
dtype: int64
要排序，我们可以像上面那样使用sort_values。或者这个
f, u = pd.factorize('|'.join(df.column_name).split('|'))
counts = np.bincount(f)
a = counts.argsort()[::-1]
pd.Series(counts[a], u[a])
book 3
fish 2
campfire 1
icecream 1
dtype: int64
使用 collections.Counter + itertools.chain:
from collections import Counter
from itertools import chain
c = Counter(chain.from_iterable(df['column_name'].str.split('|')))
res = pd.Series(c)
print(res)
book 3
campfire 1
fish 2
icecream 1
dtype: int64