从 pandas 系列列表中获取唯一值

Question

我在 DataFrame 中有一列包含类别列表。例如：

0                                                    [Pizza]
1                                 [Mexican, Bars, Nightlife]
2                                  [American, New, Barbeque]
3                                                     [Thai]
4          [Desserts, Asian, Fusion, Mexican, Hawaiian, F...
6                                           [Thai, Barbeque]
7                           [Asian, Fusion, Korean, Mexican]
8          [Barbeque, Bars, Pubs, American, Traditional, ...
9                       [Diners, Burgers, Breakfast, Brunch]
11                                [Pakistani, Halal, Indian]

我正在尝试做两件事：

1) 获取唯一类别 - 我的方法是有一个空集，遍历系列并附加每个列表。

我的代码：

unique_categories = {'Pizza'}
for lst in restaurant_review_df['categories_arr']:
    unique_categories = unique_categories | set(lst)

这为我提供了一组包含在列中所有列表中的唯一类别。

2) 生成类别计数饼图，每家餐厅可以属于多个类别。例如：餐厅 11 属于巴基斯坦、印度和清真类别。我的方法是再次遍历类别，再遍历系列以获取计数。

是否有更简单或优雅的方法来做到这一点？

提前致谢。

Answer 1

使用 pandas 0.25.0+ 和 explode

进行更新

df['category'].explode().value_counts()

输出：

Barbeque       3
Mexican        3
Fusion         2
Thai           2
American       2
Bars           2
Asian          2
Hawaiian       1
New            1
Brunch         1
Pizza          1
Traditional    1
Pubs           1
Korean         1
Pakistani      1
Burgers        1
Diners         1
Indian         1
Desserts       1
Halal          1
Nightlife      1
Breakfast      1
Name: Places, dtype: int64

并配图：

df['category'].explode().value_counts().plot.pie(figsize=(8,8))

输出：

---

对于 0.25.0 之前的旧版本 pandas 尝试：

df['category'].apply(pd.Series).stack().value_counts()

输出：

Mexican        3
Barbeque       3
Thai           2
Fusion         2
American       2
Bars           2
Asian          2
Pubs           1
Burgers        1
Traditional    1
Brunch         1
Indian         1
Korean         1
Halal          1
Pakistani      1
Hawaiian       1
Diners         1
Pizza          1
Nightlife      1
New            1
Desserts       1
Breakfast      1
dtype: int64

有绘图：

df['category'].apply(pd.Series).stack().value_counts().plot.pie()

输出：

根据@coldspeed 的评论

from itertools import chain
from collections import Counter

pd.DataFrame.from_dict(Counter(chain(*df['category'])), orient='index').sort_values(0, ascending=False)

输出：

Barbeque     3
Mexican      3
Bars         2
American     2
Thai         2
Asian        2
Fusion       2
Pizza        1
Diners       1
Halal        1
Pakistani    1
Brunch       1
Breakfast    1
Burgers      1
Hawaiian     1
Traditional  1
Pubs         1
Korean       1
Desserts     1
New          1
Nightlife    1
Indian       1