如何計算兩列中唯一字符串的數量？

Question

我有一個包含兩列包含字符串的DataFrame，例如：

col1 --- col2
恩斯特-吉姆
彼得-恩斯特
比爾-NaN
NaN ---道格
吉姆-傑克

現在，我想創建一個新的DataFrame，第一列中包含一個唯一字符串列表，第二列中的兩個原始列中每個字符串的出現次數，例如：

str --- 發生
恩斯特-2
彼得--- 1
比爾--- 1
吉姆-2
傑克--- 1
道格-1

如何以最有效的方式做到這一點？ 謝謝！

Answer 1

首先將原始的兩列合並為一個：

In [127]: s = pd.concat([df.col1, df.col2], ignore_index=True)

In [128]: s
Out[128]: 
0    Ernst
1    Peter
2     Bill
3      NaN
4      Jim
5      Jim
6    Ernst
7      NaN
8     Doug
9     Jake
dtype: object

然后使用value_counts ：

In [129]: s.value_counts()
Out[129]: 
Ernst    2
Jim      2
Bill     1
Doug     1
Jake     1
Peter    1
dtype: int64

Answer 2

我會這樣做（假設您從文件your_file.txt獲取數據，並且您想打印出結果）：

from collections import Counter;

separator = ' --- '
with open('your_file.txt') as f:
    content = f.readlines()  # here you got a list of elements corresponding to the lines
    people = separator.join(content).split(separator) # here you got a list of all elements
    people_count = Counter(people) # you got here a dict-like object with key=name value=count
    for name, val in people_count.iteritems():
        # print the column the way you want
        print '{name}{separator}{value}'.format(name=name, separator=separator, value=val)

該示例使用Counter對象，該對象使您可以從可迭代對象中有效地計數元素。 其余代碼僅是字符串操作。

Answer 3

嘗試這個：

df = pd.DataFrame({"col1" : ["Ernst", "Peter","Bill",np.nan,"Jim"],
 "col2" : ["Jim","Ernst",np.nan,"Doug","Jake"]})
print df
df1 = df.groupby("col1")["col1"].count()
df2 = df.groupby("col2")["col2"].count()
print df1.add(df2,fill_value=0)