计算 Pandas DataFrame 列中字符串中某个位置的字符频率答案

【问题标题】：Count the frequency of characters at a position in a string in a Pandas DataFrame column计算 Pandas DataFrame 列中字符串中某个位置的字符频率
【发布时间】：2020-01-04 06:50:19
【问题描述】：

我有一个与df['columnA'].value_counts() 方法相关的问题和之前的帖子：Count frequency of values in pandas DataFrame column

以这个DataFrame为例：

fake_data = {'columnA': ['XAVY', 'XAVY', 'XAVY', 'XAVY', 'XAVY', 'AXYV', 'AXYV', 'AXYV', 'AXYV', 'AXYV', 'AXYV']}
df = pd.DataFrame(fake_data, columns = ['columnA'])
df

我正在尝试确定每个字母 (X,A,V,Y) 在此列中字符串中每个位置的频率。

在此示例中，位置 0 将是 54% A、46% X，位置 3 将是 46% Y、54% V...等等。

【问题讨论】：

位置 3 不会是 50% V 和 50%Y。只是想知道我的问题是否正确
是的！将纠正错字。
它是一个建议，因此是一个评论 - 编写一个方法 def countFreq(df) 它将计算 X 在系列/列中的出现 - 记录。将您的 df[columnA] 作为输入参数传递给此方法。在 countFreq(df) 中创建一个 DICT ，其中包含 dictFreq['X'] 和 dictFreq['A'] 等键。将字母计数作为值附加到这些 dict 键。
您也可以发布所需的输出，它应该是什么样子？
下面的回复，尤其是来自 Akash Kumar 的回复，已经解决了问题。从他的回答中，我会补充一点，如果您希望频率处于特定位置：stats.iloc[0]

标签： python pandas

【解决方案1】：

也许这会有所帮助：

new_data = df.columnA.str.split('',n=4, expand=True).drop(0, axis=1)
stats = new_data.apply(pd.Series.value_counts)
stats = stats.apply(lambda x: (x/x.sum())*100).round(2).fillna(0)
print(stats)

输出

    1      2    3     4
A   54.54 45.45 0     0
V   0     0     45.45 54.54
X   45.45 54.54 0     0
Y   0     0     54.54 45.45

【讨论】：

我相信第一行有错字：new_data = df.columnA.str.split('',n=4, expand=True).drop(0, axis=1)

【解决方案2】：

首先将字符串转换为列表，然后展开为列。然后计数值并计算每个字母的出现百分比。

(
    df.columnA.apply(list)
    .apply(pd.Series)
    .apply(pd.value_counts)
    .apply(lambda x: x.div(x.sum()))
    .fillna(0)
)

    0           1           2           3
A   0.545455    0.454545    0.000000    0.000000
V   0.000000    0.000000    0.454545    0.545455
X   0.454545    0.545455    0.000000    0.000000
Y   0.000000    0.000000    0.545455    0.454545

【讨论】：

【解决方案3】：

这将展开链接的帖子：

ddf = df['columnA'].apply(lambda x : pd.Series(list(x)))
counts = ddf[c].value_counts() / ddf[c].value_counts().sum() for c in ddf.columns]

counts 是一个列表，其中包含由value_counts() 为每一列生成的系列。因此，要检查位置 0，请执行 counts[0]。它会给出：

A    0.545455
X    0.454545
Name: 0, dtype: float64

【讨论】：

【解决方案4】：

从头开始

>>> df.columnA.str.split('', expand=True).apply(pd.Series.value_counts)
      0    1    2    3    4     5
   11.0  NaN  NaN  NaN  NaN  11.0
A   NaN  6.0  5.0  NaN  NaN   NaN
V   NaN  NaN  NaN  5.0  6.0   NaN
X   NaN  5.0  6.0  NaN  NaN   NaN
Y   NaN  NaN  NaN  6.0  5.0   NaN

这样第 0 和第 5 位的列是空的，可以忽略。

【讨论】：