数据框中列表中元素的数量

Question

我需要获取 Pandas 数据帧列中列表的每个元素出现的频率。

数据示例：

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

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

   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，然后执行分组操作，但这些数据可能会很大（上百万条记录），想知道是否有更有效/直接的方法。

谢谢

- Gaurav Taneja

Answer 1

首先将 list 内的值“压平”，然后使用 value_counts 或 size 或 Counter 进行计数：

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

或:

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

- jezrael

---

太好了！就运行时间而言，两者对我来说几乎花费了相同的时间，但我选择使用“Counter”。谢谢。 - Gaurav Taneja

Answer 2

您也可以像这样使用一行代码：

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

- tmsss

Answer 3

我会使用pandas的explode和value_counts，最后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

- ThePyGuy

Answer 4

使用扁平列表和计数器非常容易

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，则需要一个函数来执行相同的操作。

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)

- Victoria