如何使用 lambda 在 python 中正确更新全局变量

Question

我有一个数据框，其中每一行都显示一个交易和该交易中的项目。 这是我的数据框的样子

itemList
A,B,C
B,F
G,A
...

我想找到每个项目的频率（它在交易中出现的次数。我定义了一个字典并尝试更新它的值，如下所示

dict ={}
def update(itemList):
   #Update the value of each item in the dict

df.itemList.apply(lambda x: update(x))

由于同时对多行执行apply函数，因此多行尝试同时更新dict中的值，这会导致问题。 如何确保多次更新到dict不会导致任何问题？

Answer 1

我认为你只需要Series.str.get_dummies ：

df['itemList'].str.get_dummies(',').sum().to_dict()
#{'A': 2, 'B': 2, 'C': 1, 'F': 1, 'G': 1}

---

如果有更多列，请使用：

df.stack().str.get_dummies(',').sum().to_dict()

---

如果你想为每一行计数：

df['itemList'].str.get_dummies(',').to_dict('index')
#{0: {'A': 1, 'B': 1, 'C': 1, 'F': 0, 'G': 0},
# 1: {'A': 0, 'B': 1, 'C': 0, 'F': 1, 'G': 0},
# 2: {'A': 1, 'B': 0, 'C': 0, 'F': 0, 'G': 1}}

正如@Quang Hoang 在评论中所说， apply只需使用循环将函数应用于每一行/列

Answer 2

你最好在这里依赖原生 python，

df = pd.DataFrame({'itemlist':['a,b,c', 'b,f', 'g,a', 'd,g,f,d,s,a,v', 'e,w,d,f,g,h', 's,d,f,e,r,t', 'e,d,f,g,r,r','s,d,f']})

这是使用计数器的解决方案，

df['itemlist'].str.replace(',','').apply(lambda x: Counter(x)).sum()

一些比较，

%timeit df['itemlist'].str.split(',', expand = True).stack().value_counts().to_dict()
2.64 ms ± 99.3 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

%timeit df['itemlist'].str.get_dummies(',').sum().to_dict()
3.22 ms ± 68.1 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

from collections import Counter
%timeit df['itemlist'].str.replace(',','').apply(lambda x: Counter(x)).sum()
778 µs ± 12.3 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)