如何使用熊猫获取数据框列（具有字符串数组）中每个元素的频率？

Question

我在 python 中有一个熊猫数据框，如下所示：

df['column'] = [abc, mno]
               [mno, pqr]
               [abc, mno]
               [mno, pqr]

我想得到下面每个项目的计数：

abc = 2, 
mno= 4 ,
pqr = 2

我可以对每一行进行迭代以计数，但这不是我正在寻找的解决方案。 如果有什么方法可以使用 iloc 或与之相关的任何东西，请向我提出建议。

我查看了具有类似问题的各种解决方案，但没有一个满足我的方案。

Answer 1

这是我使用.explode() 和.value_counts() 解决它的方法，您还可以将其分配为列或随心所欲地使用输出： 一行：

print(df.explode('column')['column'].value_counts())

完整示例：

import pandas as pd
data_1 = {'index':[0,1,2,3],'column':[['abc','mno'],['mno','pqr'],['abc','mno'],['mno','pqr']]}
df = pd.DataFrame(data_1)
df = df.set_index('index')
print(df)
           column
index            
0      [abc, mno]
1      [mno, pqr]
2      [abc, mno]
3      [mno, pqr]

这里我们执行.explode() 来从列表中创建单个值，并执行 value_counts() 来计算唯一值的重复次数：

df_new = df.explode('column')
print(df_new['column'].value_counts())

输出：

mno    4
abc    2
pqr    2

Answer 2

使用collections.Counter

from collections import Counter
from itertools import chain

Counter(chain.from_iterable(df.column))

Out[196]: Counter({'abc': 2, 'mno': 4, 'pqr': 2})

---

%timeit

df1 = pd.concat([df]*10000, ignore_index=True)

In [227]: %timeit pd.Series(Counter(chain.from_iterable(df1.column)))
14.3 ms ± 279 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

In [228]: %timeit df1.column.explode().value_counts()
127 ms ± 3.06 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)