Question

我正在研究影响不同国家不同部门的事件数据库，并希望创建一个表格，记录每个国家的事故率细分。

数据库看起来像这个atm

Incident Name  |  Country Affected  |  Sector Affected
incident_1     |  US,TW,CN          |  Engineering,Media
incident_2     |  FR,RU,CN          |  Government
etc., etc.

我的目标是建立一个如下所示：

Country  |  Engineering  |  Media  |  Government
CN       |  3            |  0      |  5
etc.

现在我的方法基本上是使用if循环来检查country列是否包含特定字符串（例如＆＃39; CN＆＃39;），如果这返回True，则从集合运行Counter以创建初始计数字典，然后保存。

我的问题是如何将我们扩展到可以在整个数据库中运行的级别以及如何实际保存Counter生成的字典。

Answer 1

pd.Series.str.get_dummies和pd.DataFrame.dot

c = df['Country Affected'].str.get_dummies(sep=',')
s = df['Sector Affected'].str.get_dummies(sep=',')

c.T.dot(s)

    Engineering  Government  Media
CN            1           1      1
FR            0           1      0
RU            0           1      0
TW            1           0      1
US            1           0      1

更大的例子

np.random.seed([3,1415])

countries = ['CN', 'FR', 'RU', 'TW', 'US', 'UK', 'JP', 'AU', 'HK']
sectors = ['Engineering', 'Government', 'Media', 'Commodidty']

def pick_rnd(x):
    i = np.random.randint(1, len(x))
    j = np.random.choice(x, i, False)
    return ','.join(j)

df = pd.DataFrame({
        'Country Affected': [pick_rnd(countries) for _ in range(10)],
        'Sector Affected': [pick_rnd(sectors) for _ in range(10)]
    })

df

          Country Affected               Sector Affected
0                       CN              Government,Media
1  FR,TW,JP,US,UK,CN,RU,AU         Commodidty,Government
2                 HK,AU,JP                    Commodidty
3           RU,CN,FR,JP,UK  Media,Commodidty,Engineering
4  CN,RU,FR,JP,TW,HK,US,UK   Government,Media,Commodidty
5                    FR,CN                    Commodidty
6     FR,HK,JP,TW,US,AU,CN                    Commodidty
7  CN,HK,RU,TW,UK,US,FR,JP              Media,Commodidty
8                 JP,UK,AU             Engineering,Media
9                 RU,UK,FR                         Media

然后

c = df['Country Affected'].str.get_dummies(sep=',')
s = df['Sector Affected'].str.get_dummies(sep=',')

c.T.dot(s)

    Commodidty  Engineering  Government  Media
AU           3            1           1      1
CN           6            1           3      4
FR           6            1           2      4
HK           4            0           1      2
JP           6            2           2      4
RU           4            1           2      4
TW           4            0           2      2
UK           4            2           2      5
US           4            0           2      2

统计Python

1 个答案: