假设我的数据框如下所示：
column_name
1 book
2 fish
3 icecream|book
4 fish
5 campfire|book
现在，如果我使用df['column_name'].value_counts()，它会告诉我fish 是最常见的值。
但是，我希望返回 book，因为第 1、3 和 5 行包含单词“book”。
我知道.value_counts() 将icecream|book 识别为一个值，但是有没有一种方法可以通过计算每个列单元格包含某个值的次数来确定最常见的值，这样“book”将最频繁值？
【问题讨论】：
标签： python pandas dataframe counting
a = df['column_name'].str.split('|', expand=True).stack().value_counts()
print (a)
book 3
fish 2
icecream 1
campfire 1
dtype: int64
或者Counter 带有扁平化的列表理解：
from collections import Counter
a = pd.Series(Counter([y for x in df['column_name'] for y in x.split('|')]))
print (a)
book 3
fish 2
icecream 1
campfire 1
dtype: int64
【讨论】：
0::icecream||1::campfire||2::fish 而不仅仅是 icecream|campfire ?
pd.Series(Counter([y for x in df['column_name'].str.findall('(?<=\:\:)\w+(?=||)') for y in x]))
pd.value_counts您还可以将列表传递给value_counts 函数。注意我join by | 然后由| 拆分。
pd.value_counts('|'.join(df.column_name).split('|'))
book 3
fish 2
icecream 1
campfire 1
dtype: int64
get_dummies之所以有效，是因为您的数据是以| 作为分隔符的结构。如果您有不同的分隔符，请将其传递给 get_dummies 调用 df.column_name.str.get_dummies(sep='|').sum()
df.column_name.str.get_dummies().sum()
book 3
campfire 1
fish 2
icecream 1
dtype: int64
如果您希望对结果进行排序
df.column_name.str.get_dummies().sum().sort_values(ascending=False)
book 3
fish 2
icecream 1
campfire 1
dtype: int64
pd.factorize 和 np.bincount
注意我join整列并再次拆分。
f, u = pd.factorize('|'.join(df.column_name).split('|'))
pd.Series(np.bincount(f), u)
book 3
fish 2
icecream 1
campfire 1
dtype: int64
要排序，我们可以像上面那样使用sort_values。或者这个
f, u = pd.factorize('|'.join(df.column_name).split('|'))
counts = np.bincount(f)
a = counts.argsort()[::-1]
pd.Series(counts[a], u[a])
book 3
fish 2
campfire 1
icecream 1
dtype: int64
【讨论】：
使用collections.Counter + itertools.chain：
from collections import Counter
from itertools import chain
c = Counter(chain.from_iterable(df['column_name'].str.split('|')))
res = pd.Series(c)
print(res)
book 3
campfire 1
fish 2
icecream 1
dtype: int64
【讨论】：
chain + 1 (-: