[英]Distinct string count in dataframe column
我有一個 .tsv 數據文件。 我想打印某一列中的字符串數。 該列如下所示:
column1
A aaa
A, C c
C
D
E ee,F
A aaa, B, C cc
F
E ee
我想要 A、B、C、A aaa 等的不同計數。但是在列中,“,”之后有時會有空格。 所以我的代碼對“B”和“B”的計數不同。 這是我目前使用的代碼:
import pandas as pd
import os
# Import data from file into Pandas DataFrame
data= pd.read_csv("data.tsv", encoding='utf-8', delimiter="\t")
pd.set_option('display.max_rows', None)
out = data['Column1'].str.split(',', expand=True).stack().value_counts()
print (out)
任何線索表示贊賞。
您需要將' '
添加到您的拆分中,即split(', ')
。 嘗試',\s*'
for ,
后跟可選空格:
out = df['column1'].str.split(',\s*', expand=True).stack().value_counts()
Output:
F 2
E ee 2
A aaa 2
C c 1
C 1
A 1
C cc 1
B 1
D 1
dtype: int64
此外,您可以將', '
替換為','
並使用get_dummies
:
df['column1'].str.replace(',\s*',',').str.get_dummies(',').sum()
Output:
A 1
A aaa 2
B 1
C 1
C c 1
C cc 1
D 1
E ee 2
F 2
dtype: int64
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.