丛系列中的 pandas 计数频率 [英] Pandas count frequencies within str series

问题描述

给定一个类型为str的熊猫系列，我想得到str.split返回结果的频率。

例如，给出了系列

  s = pd.Series（['abc，def，ghi'，'ghi，abc']）
  

我想获得

  abc：2 
 def：1 
 ghi：2 
  

。如何获得这个？

编辑：解决方案应该有效地处理5000万行的大系列。

解决方案

另一个熊猫解决方案与 str.split ， sum 和 value_counts ：

  print pd.Series（s.str.split（'，'）。sum（））。value_counts（）
 abc 2 
 ghi 2 
 def 1 
 dtype：int64 
  

编辑： / p>

更有效的方法：

 将大熊猫导入为pd 
s = pd.Series（['abc，def，ghi'，'ghi，abc']）
s = pd.concat（[s] * 10000）.reset_index（drop = True）
 
在[17]中：％timeit pd.Series（s.str.split（'，'）。sum（））。value_counts（）
 1循环，最好的3 ：3.1s per loop 
 
在[18]中：％timeit s.str.split（'，'，expand = True）.stack（）。value_counts（）
 10循环，最好3：46.2 ms每个循环
 
在[19]中：％timeit pd.DataFrame（[x.split（'，'）for s in s.tolist（）]）。stack（）。 value_counts（）
 10循环，最好3：22.2 ms每循环
 
在[20]中：％timeit pd.Series（[x.split（'，' ）for x in s.tolist（）] for item in sublist]）。value_counts（）
 100循环，最好3：16.6 ms每循环
  

Given a Pandas Series of type str, I want to get the frequencies of the result returned by str.split.

For example, given the Series

s = pd.Series(['abc,def,ghi','ghi,abc'])

I would like to get

abc: 2
def: 1
ghi: 2

as a result. How can I get this?

Edit: The solution should efficiently work with a large Series of 50 million rows.

解决方案

Another pandas solution with str.split, sum and value_counts :

print pd.Series(s.str.split(',').sum()).value_counts()
abc    2
ghi    2
def    1
dtype: int64

EDIT:

More efficent methods:

import pandas as pd
s = pd.Series(['abc,def,ghi','ghi,abc'])
s = pd.concat([s]*10000).reset_index(drop=True)

In [17]: %timeit pd.Series(s.str.split(',').sum()).value_counts()
1 loops, best of 3: 3.1 s per loop

In [18]: %timeit s.str.split(',', expand=True).stack().value_counts()
10 loops, best of 3: 46.2 ms per loop

In [19]: %timeit pd.DataFrame([ x.split(',') for x in s.tolist() ]).stack().value_counts()
10 loops, best of 3: 22.2 ms per loop

In [20]: %timeit pd.Series([item for sublist in [ x.split(',') for x in s.tolist() ] for item in sublist]).value_counts()
100 loops, best of 3: 16.6 ms per loop

这篇关于丛系列中的 pandas 计数频率的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！