pandas：如何返回字符串列的字符串长度计数？

Question

说我有一个数据框dfimport pandas as pddf = pd.DataFrame({"id":["a", "b", "aa", "aaa", "bbb", "a"]})在这种情况下，我想计算列 id 的字符串长度计数。在这个例子中id，长度为 1 的字符串有 3 个，长度为 2 的字符串有 1 个，长度为 3 的字符串有 2 个。所以我想要一个反映这些信息的表str_length  count1           32           13           2对数百万行执行此操作的最有效方法是什么？这是我能想到的最好的，但我听说使用apply很慢df_count = df.id.apply(lambda x: len(x)).value_counts()df_count2 = pd.DataFrame({"str_length": df_count.index.tolist(), "count": df_count})df_count2.sort_values("str_length")产生。   str_length  count1           1      32           2      13           3      2

Answer 1

干得好

df.id.str.len().value_counts()

1    3

3    2

2    1

Name: id, dtype: int64

Answer 2

一个麻木的解决方案：

np.transpose(np.unique(df.id.map(len), return_counts=True))

Out[229]:

array([[1, 3],

       [2, 1],

       [3, 2]], dtype=int64)

创建数据框

pd.DataFrame(np.transpose(np.unique(df.id.map(len), return_counts=True)), 

             columns=['str_length', 'count'])

Out[231]:

   str_length  count

0           1      3

1           2      1

2           3      2

Answer 3

使用 groupby 和计数。

(

    df.groupby(by=df.id.apply(len))

    .id.count()

    .to_frame('count')

    .rename_axis(index='str_length')

    .reset_index()

)

    str_length  count

0   1           3

1   2           1

2   3           2