快速計算熊貓列表中一列值的總出現次數的方法？

Question

我在pandas數據框中有一個列，其中包含大量標簽列表：

>>> data['SPLIT'].head(10)
0    [33.23, 88.72, 38.93, E931.7, V09.0, 041.11, 5...
1    [99.04, 38.06, 39.57, 00.91, 55.69, V15.82, 27...
2    [96.04, 96.72, 401.9, 276.5, 584.9, 428.0, 507...
3    [96.6, 99.15, 99.83, V29.0, 765.15, 765.25, 77...
4    [96.71, 96.04, 54.12, 99.60, 38.93, 99.15, 53....
5    [88.72, 37.61, 39.61, 36.15, 36.12, 272.0, 401...
6    [38.93, 88.72, 37.31, 272.4, 719.46, 722.0, 31...
7    [88.72, 39.61, 35.71, 272.4, V12.59, 458.29, 7...
8    [97.44, 99.04, 88.56, 37.23, 39.95, 38.95, 00....
9    [00.14, 89.61, 39.95, E878.8, 244.9, 443.9, 18...

我想要做的是遍歷所有這些列表以查找每個值的總出現次數，以便我可以找到50個最頻繁出現的值。

這是我使用的代碼，運行速度非常慢：

test = pd.Series(sum([item for item in data.SPLIT], [])).value_counts()

我試圖在外部編寫一個函數來遍歷列表並找到計數，但這也很慢。

有什么辦法可以修改此數據或在熊貓中使用功能類似於df.groupby.count()的函數？

我確實在Google和stackoverflow上搜索了一個半小時，但沒有一個答案具有更好的性能。 我已經嘗試了很長時間，想出一種方法來弄平列表，或者找到一種以更快的速度映射計數的方法（反復遍歷50萬行，每個列表的長度各不相同，有些可以長達512個，其他短至2）。

Answer 1

使用列表理解和展平代替sum ：

test = pd.Series([x for item in data.SPLIT for x in item]).value_counts()

或通過chain.from_iterable展平：

from itertools import chain

test = pd.Series(list(chain.from_iterable(data.SPLIT))).value_counts()

或者也可以使用collections.Counter ：

from itertools import chain
from collections import Counter

test = pd.Series(Counter(chain.from_iterable(data.SPLIT)))

要么：

import functools, operator

test = pd.Series(functools.reduce(operator.iconcat, data.SPLIT, [])).value_counts()

純大熊貓解決方案：

test = pd.DataFrame(data.SPLIT.values.tolist()).stack().value_counts()

Answer 2

這個怎么樣？

import pandas as pd

split = data["SPLIT"].apply(pd.Series)
split = split.rename(columns = lambda x : 'val_' + str(x))
split.melt(value_name="val").groupby(["val"]).size()