python - Pandas 数据框中列表中的元素计数

Question

当列表位于 pandas 数据框列中时，我需要获取列表中每个元素的频率

在数据中:

din=pd.DataFrame({'x':[['a','b','c'],['a','e','d', 'c']]})`

              x
0     [a, b, c]
1  [a, e, d, c]

期望的输出:

   f  x
0  2  a
1  1  b
2  2  c
3  1  d
4  1  e

我可以将列表扩展成行，然后执行分组依据，但此数据可能很大(超过百万条记录)并且想知道是否有更有效/直接的方法。

谢谢

Answer 1

第一个flatten list 的值，然后按 value_counts 计数或 size或计数器:

a = pd.Series([item for sublist in din.x for item in sublist])

或者:

a = pd.Series(np.concatenate(din.x))

---

df = a.value_counts().sort_index().rename_axis('x').reset_index(name='f')

或者:

df = a.groupby(a).size().rename_axis('x').reset_index(name='f')

---

from collections import Counter
from  itertools import chain

df = pd.Series(Counter(chain(*din.x))).sort_index().rename_axis('x').reset_index(name='f')

print (df)
   x  f
0  a  2
1  b  1
2  c  2
3  d  1
4  e  1