我有一个带有Keywords列的数据框。该列中的每个单元格都有5-10个单独的值(逗号分隔),由1-3个字组成。如何计算该栏中出现次数最多的关键字?

我试过df.Keywords.mode,但是它返回每个单元格的所有值,因为它们显然不会在每个单元格中多次出现。

这里有一张图片要澄清:

python - 在列中每个单元格具有多个值的Pandas df.mode-LMLPHP

感谢所有输入,

谢谢!

最佳答案

首先将Series.str.splitexpand=True用于DataFrame并通过DataFrame.stack进行整形,然后通过Series.value_counts进行计数,并通过Series.head获得最高值:

df = pd.DataFrame({'Keywords':['aa,bb,vv,vv','aa,aa,cc,bb','zz,bb,aa,ss']})

N = 5
df1 = (df.Keywords.str.split(',', expand=True)
         .stack()
         .value_counts()
         .head(N)
         .rename_axis('val')
         .reset_index(name='count'))
print (df1)
  val  count
0  aa      4
1  bb      3
2  vv      2
3  zz      1
4  cc      1


如果没有缺失值,则另一种解决方案是将拆分的列表变平并按Counter计数:

from collections import Counter
N = 5
df1 = pd.DataFrame(Counter([y for x in df.Keywords for y in x.split(',')]).most_common(N),
                   columns=['val','count'])
print (df1)
  val  count
0  aa      4
1  bb      3
2  vv      2
3  zz      1
4  cc      1

关于python - 在列中每个单元格具有多个值的Pandas df.mode,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/59551399/

10-11 07:37