計數列表的 dataframe 列中的值

Question

我在 dataframe 中有一個看起來像這樣的列

0                                                   NaN
1                                              ["arts"]
2                                       ["sports", "tech"]
3     ["arts", "finance", "health", "sports", "science"...
4                            ["finance", "sports", "tech"]
5                    ["arts", "finance", "sports", "tech"]
6     ["arts", "finance", "health", "sports", "science"...
7                            ["arts", "sports", "science"]

我很想知道藝術在所有這些列表中出現了多少次。 但是，在嘗試column.explode().value_counts(sort=True)時，我只是得到了一個帶有選項的基本分布，這不是我想要的。

["tech"]                                                   5
["arts", "finance", "sports", "tech"]                         2
["arts", "sports"]                                            2
["finance", "sports"]                                         1
["arts"]                                                   1

我什至嘗試使用計數器collections.Counter(itertools.chain.from_iterable(v.split(',') for v in column))但我收到以下錯誤'float' object has no attribute 'split'

任何指針？

Answer 1

如果column不是太長，一個簡單的嵌套循環應該可以正常工作：

count = 0
for str_list in column:
    for name in str_list:
        if name == "arts":
            count += 1

print(count)

Answer 2

您可以通過執行以下操作來創建包含藝術的行掩碼：

mask = df['industry'].apply(lambda x: 'comedy' in x)

然后將您的 dataframe 限制為您的新面罩

df = df[mask]

從那里你應該能夠使用 len(df) 或類似的東西。

如果您正在尋找的行業可以在每一行中出現不止一次，您可以使用您的 itertools 想法。 浮動錯誤來自嘗試拆分 NaN，因此請確保在嘗試連接列表之前使用 dropna()。

list(itertools.chain.from_iterable(df['industry'].dropna().values)).count('arts')