计算列表中每个项目在 pandas 数据框列中出现的次数，用逗号分隔值

Question

我有一个列表：

citylist = ['New York', 'San Francisco', 'Los Angeles', 'Chicago', 'Miami']

和具有这些值的 pandas Dataframe df1

first   last            city                                email
John    Travis          New York                            a@email.com
Jim     Perterson       San Franciso, Los Angeles           b@email.com
Nancy   Travis          Chicago                             b1@email.com
Jake    Templeton       Los Angeles                         b3@email.com
John    Myers           New York                            b4@email.com
Peter   Johnson         San Franciso, Chicago               b5@email.com
Aby     Peters          Los Angeles                         b6@email.com
Amy     Thomas          San Franciso                        b7@email.com
Jessica Thompson        Los Angeles, Chicago, New York      b8@email.com

我想计算 citylist 中每个城市在数据框列中出现的次数 'city':

New York        3       
San Francisco   3
Los Angeles     4
Chicago         3
Miami           0

目前我有

dftest = df1.groupby(by='city', as_index=False).agg({'id': pd.Series.nunique})

它结束将“洛杉矶、芝加哥、纽约”计为 1 个唯一值

有什么方法可以像我上面显示的那样获得计数吗？谢谢

Answer 1

试试这个：

先修复数据：

df1['city'] = df1['city'].str.replace('Franciso', 'Francisco')

使用这个：

(df1['city'].str.split(', ')
            .explode()
            .value_counts(sort=False)
            .reindex(citylist, fill_value=0))

输出：

New York         3
San Francisco    3
Los Angeles      4
Chicago          3
Miami            0
Name: city, dtype: int64

Answer 2

您可以使用 Series.str.count:

pd.Series([df['city'].str.count(c).sum() for c in citylist], index=citylist)

@ScottBoston 建议的另一种更有效的方法

pd.Series({c:sum(c in i for i in df['city']) for c in citylist})

New York         3
San Francisco    0
Los Angeles      4
Chicago          3
Miami            0
dtype: int64

计算列表中每个项目在 pandas 数据框列中出现的次数，用逗号分隔值

Count number of times each item in list occurs in a pandas dataframe column with comma separates vales

csv

grouping

dataframe

pandas