Pandas - 逗号分隔行中的每个字符串在数据框中出现的频率

Question

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。我想遍历带有字符串的列，保存每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           Ba,b,c,d     0a,b,c,d     10a,b,d,e     89a,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']) 这给了我在“标签”中具有唯一值的 ndarray 并将其转换为另一个数据帧。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迭代原始“标签”列并将“收入”列中的值与每个“标签”相加？

Answer 1

你可以用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

解释

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.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，.sum沿索引轴应用将为您提供最终输出：

a    210

b    210

c     10

d    210

e    200

Answer 2

这是我会使用的步骤

1. 在“,”上拆分并用于expand=True获取数据框，其中每个字母都在其自己的列中（我现在假设，根据您的示例，您总是具有相同的拆分数量？这是真的吗？）

2. “融化”那个数据框，这样就不用从原始 df 的每一行创建多列，你有一个长数据框，其中每一行都是一个字母，它在原始 df 中的索引。

3. 从索引转换为B列中的值

4. 按字母和总和分组B。

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 - 我认为您在问题中的总和不正确；他们中的一些人似乎在 10 点之前下班。