在 python dataframe 列中找到唯一的单词并计算它们

Question

我试图找到唯一的单词数量以及它们重复了多少次。

尝试在 python 中编写相同的代码。

输入数据集：

电影	类型
电影 1	动作/动画/科幻
电影 2	冒险/动画/剧情/悬疑/科幻

output 数据集：

类型	数数
科幻	2个
Animation	2个
行动	1个
冒险	1个
戏剧	1个
神秘	1个

Answer 1

collections.Counter()是你的朋友。 您可以使用DataFrame构造函数将生成的字典转换为 dataframe。

import pandas as pd
import collections

df = pd.DataFrame(
    [
        ["movie 1", "Action/Animation/Sci-Fi"],
        ["movie 2", "Adventure/Animation/Drama/Mystery/Sci-Fi"],
    ],
    columns=["Movie", "Genre"],
)

ctr = collections.Counter()
for r in df["Genre"]:
    ctr.update(r.split("/"))
print(ctr)

# output: Counter({'Animation': 2, 'Sci-Fi': 2, 'Action': 1, 'Adventure': 1, 'Drama': 1, 'Mystery': 1})

Answer 2

我们可以str.split explode然后使用value_counts ：

out = (
    df['genre'].str.split('/')
        .explode()
        .value_counts()
        .rename_axis('Genre')
        .reset_index(name='count')
)

或者str.get_dummies sum sort_values ：

out = (
    df['genre'].str.get_dummies('/').sum()
        .rename('Genre')
        .reset_index(name='count')
        .sort_values('count', ascending=False, ignore_index=True)
)

out ：

       Genre  count
0  Animation      2
1     Sci-Fi      2
2     Action      1
3  Adventure      1
4      Drama      1
5    Mystery      1