[英]Pandas Groupby count on multiple columns for specific string values only
[英]Groupby and count columns with multiple values
鑒於此數據框:
df = pd.DataFrame({
"names": [["Kevin, Jack"], ["Antoine, Mary, Johanne, Iv"], ["Ali"]],
"commented": [["Kevin, Antoine, Iv"], ["Antoine, Mary, Ali"], ["Mary, Jack"]],
}, index=["1", "2", "3"])
看起來像這樣:
names commented
1 [Kevin, Jack] [Kevin, Antoine, Iv]
2 [Antoine, Mary, Johanne, Iv] [Antoine, Mary, Ali]
3 [Ali] [Mary, Jack]
我想獲得一個新的數據框,它將計算所有人發表的所有評論。 就像是:
凱文 | 傑克 | 安托萬 | 瑪麗 | 約翰妮 | Ⅳ | 阿里 | |
---|---|---|---|---|---|---|---|
凱文 | 1 | 0 | 1 | 0 | 0 | 1 | 0 |
傑克 | 1 | 0 | 1 | 0 | 0 | 1 | 0 |
安托萬 | 0 | 0 | 1 | 1 | 0 | 0 | 1 |
瑪麗 | 0 | 0 | 1 | 1 | 0 | 0 | 1 |
約翰妮 | 0 | 0 | 1 | 1 | 0 | 0 | 1 |
Ⅳ | 0 | 0 | 1 | 1 | 0 | 0 | 1 |
阿里 | 0 | 1 | 0 | 1 | 0 | 0 | 0 |
這個數據框可能太小而無法理解,但我的原始數據框是 100k 行,並且會有高於 0 和 1 的數字。
我已經查看了使用 pivot_table 和 group by 的幾種變體的各種選項,但我似乎無法弄清楚這一點。
df.pivot_table(index = 'names', columns= 'commented', aggfunc= 'count')
df.groupby('names').commented.apply(list).reset_index()
df.explode('names')['commented'].value_counts()
df.set_index('names').apply(pd.Series.explode).reset_index()
我嘗試過的幾乎所有解決方案都給我錯誤: TypeError: unhashable type: 'list'
您可以嘗試將字符串列表分解為行,然后使用pandas.crosstab
df = (df.explode(df.columns.tolist())
.apply(lambda col: col.str.split(', '))
.explode('names')
.explode('commented'))
out = pd.crosstab(df['names'], df['commented'])
print(df)
names commented
1 Kevin Kevin
1 Kevin Antoine
1 Kevin Iv
1 Jack Kevin
1 Jack Antoine
1 Jack Iv
2 Antoine Antoine
2 Antoine Mary
2 Antoine Ali
2 Mary Antoine
2 Mary Mary
2 Mary Ali
2 Johanne Antoine
2 Johanne Mary
2 Johanne Ali
2 Iv Antoine
2 Iv Mary
2 Iv Ali
3 Ali Mary
3 Ali Jack
print(out)
commented Ali Antoine Iv Jack Kevin Mary
names
Ali 0 0 0 1 0 1
Antoine 1 1 0 0 0 1
Iv 1 1 0 0 0 1
Jack 0 1 1 0 1 0
Johanne 1 1 0 0 0 1
Kevin 0 1 1 0 1 0
Mary 1 1 0 0 0 1
在您的示例輸入中, names
和commented
列中的每個元素都是一個只有 1 個元素(字符串)的數組。 不確定您的真實數據是否如此。
您可以用逗號分割每個字符串,然后分解和旋轉數據框:
split = lambda x: x[0].split(", ")
(
df.assign(
names=df["names"].apply(split),
commented=df["commented"].apply(split),
dummy=1
)
.explode("names")
.explode("commented")
.pivot_table(index="names", columns="commented", values="dummy", aggfunc="count", fill_value=0)
)
這是使用str.get_dummies()
的另一種方法
(df.assign(names = df['names'].str[0].str.split(', '))
.explode('names')
.set_index('names')
.squeeze()
.str[0]
.str.get_dummies(sep=', '))
輸出:
Ali Antoine Iv Jack Kevin Mary
names
Kevin 0 1 1 0 1 0
Jack 0 1 1 0 1 0
Antoine 1 1 0 0 0 1
Mary 1 1 0 0 0 1
Johanne 1 1 0 0 0 1
Iv 1 1 0 0 0 1
Ali 0 0 0 1 0 1
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.