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:
感谢所有输入,
谢谢!
最佳答案
首先将Series.str.split
与expand=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/