python - DataFrame 中特定项目的值计数

Question

我有一个消息数据框 (df)，其外观类似于以下内容:

From                To
person1@gmail.com   stranger1@gmail.com
person2@gmail.com   stranger1@gmail.com, stranger2@gmail.com
person3@gmail.com   person1@gmail.com, stranger2@gmail.com

我想计算每封电子邮件在特定列表中出现的次数。我的 list 是:

lst = ['person1@gmail.com', 'stranger2@gmail.com', 'person3@gmail.com']

我希望收到一个数据框/系列/字典，其结果如下:

list_item              Total_Count
person1@gmail.com      2
stranger2@gmail.com    2
person3@gmail.com      1

我尝试了几种不同的方法，但都没有成功。我想我可以尝试类似下面的 for 循环(它返回语法错误)，但我无法找出正确的编写方法。

for To,From in zip(df.To, df.From): 
    for item in lst:
        if To,From contains item in emails:
            Count(item)

这种类型的任务应该通过 for 循环来完成，还是有开箱即用的 pandas 方法可以更轻松地解决这个问题？

Answer 1

基于堆栈

拆分您的To列，堆叠所有内容，然后执行value_counts:

v = pd.concat([df.From, df.To.str.split(', ', expand=True)], axis=1).stack()
v[v.isin(lst)].value_counts()

stranger2@gmail.com    2
person1@gmail.com      2
person3@gmail.com      1
dtype: int64

<小时/>

融化

另一种选择是使用melt:

v = (df.set_index('From')
      .To.str.split(', ', expand=True)
      .reset_index()
      .melt()['value']
)
v[v.isin(lst)].value_counts()

stranger2@gmail.com    2
person1@gmail.com      2
person3@gmail.com      1
Name: value, dtype: int64

请注意，set_index + str.split + reset_index 与pd.concat([...])<同义...