python - 使用 Python 计算数据框中唯一单词的数量

Question

我是 Python 新手。我没有解决以下问题:

我得到了代表一系列接触点的这种类型的数据框:

    df = pd.DataFrame({'path' : ['a>b>c','b>b','c>c','b>d','a>c>c']})

    path
    a>b>c
    b>b
    c>c
    b>d
    a>c>c

我需要计算每一行的唯一接触点的数量并获得:

    path    count_unique_touchpoint
    a>b>c   3
    b>b     1
    c>c     1
    b>d     2
    a>c>c   2

非常感谢。

Answer 1

您可以使用 Series.str.split拆分分隔符 > 周围的字符串，然后使用 Series.apply应用一个自定义函数，将这个系列的每个项目映射到它包含的不同元素的数量。使用:

df["count_unique_touchpoint"] = df["path"].str.split(">").apply(lambda s: len(set(s)))
print(df)

这打印:

    path  count_unique_touchpoint
0  a>b>c                        3
1    b>b                        1
2    c>c                        1
3    b>d                        2
4  a>c>c                        2