在 python 数据框列中查找唯一单词并计算它们答案

【问题标题】：Find unique words in a python dataframe column and count them在 python 数据框列中查找唯一单词并计算它们
【发布时间】：2021-10-24 01:25:41
【问题描述】：

我正在尝试找出唯一的单词数量以及它们重复了多少次。

尝试用python编写代码。

输入数据集：

Movie	genre
movie 1	Action/Animation/Sci-Fi
movie 2	Adventure/Animation/Drama/Mystery/Sci-Fi

输出数据集：

Genre	count
Sci-Fi	2
Animation	2
Action	1
Adventure	1
Drama	1
Mystery	1

【问题讨论】：

标签： python pandas dataframe counter frequency

【解决方案1】：

collections.Counter() 是你的朋友。您可以使用 DataFrame 构造函数将生成的 dict 转换为数据框。

import pandas as pd
import collections

df = pd.DataFrame(
    [
        ["movie 1", "Action/Animation/Sci-Fi"],
        ["movie 2", "Adventure/Animation/Drama/Mystery/Sci-Fi"],
    ],
    columns=["Movie", "Genre"],
)

ctr = collections.Counter()
for r in df["Genre"]:
    ctr.update(r.split("/"))
print(ctr)

# output: Counter({'Animation': 2, 'Sci-Fi': 2, 'Action': 1, 'Adventure': 1, 'Drama': 1, 'Mystery': 1})

【讨论】：

集合代码有效。我进一步将字典转换为系列/数据框。谢谢你。这非常有用。

【解决方案2】：

我们可以str.splitexplode然后使用value_counts:

out = (
    df['genre'].str.split('/')
        .explode()
        .value_counts()
        .rename_axis('Genre')
        .reset_index(name='count')
)

或者str.get_dummiessum和sort_values：

out = (
    df['genre'].str.get_dummies('/').sum()
        .rename('Genre')
        .reset_index(name='count')
        .sort_values('count', ascending=False, ignore_index=True)
)

out:

       Genre  count
0  Animation      2
1     Sci-Fi      2
2     Action      1
3  Adventure      1
4      Drama      1
5    Mystery      1

【讨论】：

出现错误。 “'系列'对象没有属性'爆炸'。试图解决它。
自0.25.0（2019 年 7 月 18 日）以来，该系列已经爆炸式增长