Pandas - 逗号分隔行中的每个字符串在数据框中出现的频率答案

【问题标题】：Pandas - how often each string in comma separated rows is present within dataframePandas - 逗号分隔行中的每个字符串在数据框中出现的频率
【发布时间】：2019-04-09 15:27:38
【问题描述】：

我正在使用包含两列的 DataFrame，其中一列包含逗号分隔的字符串，第二列包含整数。我想用字符串遍历列，保存每一行中的每个唯一字符串，将第二列中的整数值分配给每个字符串。换句话说，

A           B
a,b,c,d     0
a,b,c,d     10
a,b,d,e     89
a,b,d,e     111

在这个例子中：

a = 220, b = 220, c = 10, d = 220, e = 210

我正在从我的 csv 文件中选择有趣的列，

revcat = DataFrame(data, columns = ['Tag', 'Revenue'])

这为我提供了 'Tag' 中具有唯一值的 ndarray，并将其转换为另一个 DataFrame。

uniqtag = rev1.Tag.str.split(",").apply(pd.Series).stack().unique()
tag_stack = pd.DataFrame(uniqtag)

我被困在这里。基于此，我如何使用我找到的唯一字符串并将“收入”列中的值与每个“标签”相加来遍历原始“标签”列？

【问题讨论】：

标签： python pandas dataframe

【解决方案1】：

您可以使用Series.str.get_dummies、Series.mul 和Series.sum：

df['A'].str.get_dummies(sep=',').mul(df['B'], axis=0).sum()

a    210
b    210
c     10
d    210
e    200

说明

df.A.str.get_dummies(sep=',')

这会产生一个如下所示的 DataFrame：

   a  b  c  d  e
0  1  1  1  1  0
1  1  1  1  1  0
2  1  1  0  1  1
3  1  1  0  1  1

然后将.mul 与您的值列一起使用将产生：

     a    b   c    d    e
0    0    0   0    0    0
1   10   10  10   10    0
2   89   89   0   89   89
3  111  111   0  111  111

最后，沿索引轴应用 .sum 将为您提供最终输出：

【讨论】：

【解决方案2】：

这是我要使用的步骤

在 "," 上拆分并使用 expand=True 获取每个字母在其自己的列中的数据框（我现在假设，根据您的示例，您始终拥有相同数量的分裂？这是真的吗？）
“融化”该数据框，这样您就可以拥有一个长数据框，其中每一行都是一个字母，并且它在原始 df 中的索引是一个长数据框，而不是从原始 df 中的每一行创建多个列。
从索引转换为B 列中的值
按字母分组并在B之间求和。

import pandas as pd

data = [
    ("a,b,c,d", 0),
    ("a,b,c,d", 10),
    ("a,b,d,e", 89),
    ("a,b,d,e", 111),
]
df = pd.DataFrame(data, columns=["A", "B"])

#   A       B
# 0 a,b,c,d 0
# 1 a,b,c,d 10
# 2 a,b,d,e 89
# 3 a,b,d,e 111

melted = df.A.str.split(",", expand=True).reset_index().melt(id_vars="index", value_name="A")
melted["B"] = df.B.loc[melted["index"]].values
melted.groupby("A").B.sum()

# value
# a    210
# b    210
# c    10
# d    210
# e    200

注意 - 我认为您的问题中的总和不正确；其中一些似乎在 10 点前就关闭了。

【讨论】：