pandas data farme中列表中元素的计数

Question

当列表位于pandas数据框列中时，我需要获取列表中每个元素的频率

在数据中：

din=pd.DataFrame({'x':[['a','b','c'],['a','e','d', 'c']]})`

              x
0     [a, b, c]
1  [a, e, d, c]

期望的输出：

   f  x
0  2  a
1  1  b
2  2  c
3  1  d
4  1  e

我可以将列表扩展为行，然后执行分组，但这些数据可能很大（百万加上记录），并且想知道是否有更有效/直接的方式。

由于

Answer 1

list s的前flatten值，然后按value_counts或size或Counter计算：

a = pd.Series([item for sublist in din.x for item in sublist])

或者：

a = pd.Series(np.concatenate(din.x))

df = a.value_counts().sort_index().rename_axis('x').reset_index(name='f')

或者：

df = a.groupby(a).size().rename_axis('x').reset_index(name='f')

from collections import Counter
from  itertools import chain

df = pd.Series(Counter(chain(*din.x))).sort_index().rename_axis('x').reset_index(name='f')

print (df)
   x  f
0  a  2
1  b  1
2  c  2
3  d  1
4  e  1

Answer 2

您也可以像这样使用一根衬纸：

df = pd.Series(sum([item for item in din.x], [])).value_counts()

Answer 3

使用扁平的列表和计数器实际上很容易

from matplotlib.cbook import flatten
from collections import Counter

din={'x':[['a','b','c'],['a','e','d', 'c']]}
for a,i in din.items() :
    u=pd.DataFrame.from_dict(dict(Counter([*flatten(i)])), orient ='index').reset_index().rename(columns ={'index':a,0:str(a)+'_number'})

输出：

但是，如果din有多个键和值，您将需要一个函数来完成相同的操作

from matplotlib.cbook import flatten
from collections import Counter
din={'x':[['a','b','c'],['a','e','d', 'c']], 'y': [['h','j'],['h','j','j']]}

def foo(x):
    df = pd.DataFrame()
    for a,i in x.items() :
        u=pd.DataFrame.from_dict(dict(Counter([*flatten(i)])), orient ='index').reset_index().rename(columns ={'index':a,0:str(a)+'_number'})
        df=pd.concat([df,u])
    return df
foo(din)

Answer 4

我会使用熊猫的 explode 和 value_counts，然后最终将其分配给一个框架。

din.explode('x').value_counts().to_frame('fq').reset_index().sort_values('x')
   x  fq
0  a   2
2  b   1
1  c   2
3  d   1
4  e   1