我有一个 pandas 数据框,其中包含给定时间段内的查询和计数,我希望将此数据框转换为唯一单词的计数。例如,如果数据框包含以下内容:
query count
foo bar 10
super 8
foo 4
super foo bar 2
我希望收到以下数据框。例如“foo”这个词在表中恰好出现了 16 次。
word count
foo 16
bar 12
super 10
我正在使用以下函数,但这似乎不是执行此操作的最佳方法,而且它忽略了每一行的总计数。
def _words(df):
return Counter(re.findall(r'\w+', ' '.join(df['query'])))
任何帮助将不胜感激。
提前致谢!
最佳答案
选项 1
df['query'].str.get_dummies(sep=' ').T.dot(df['count'])
bar 12
foo 16
super 10
dtype: int64
选项 2
df['query'].str.get_dummies(sep=' ').mul(df['count'], axis=0).sum()
bar 12
foo 16
super 10
dtype: int64
选项 3
numpy.bincount
+ pd.factorize
还强调了 cytoolz.mapcat
的使用。它返回一个迭代器,它映射一个函数并连接结果。这很酷!
import pandas as pd, numpy as np, cytoolz
q = df['query'].values
c = df['count'].values
f, u = pd.factorize(list(cytoolz.mapcat(str.split, q.tolist())))
l = np.core.defchararray.count(q.astype(str), ' ') + 1
pd.Series(np.bincount(f, c.repeat(l)).astype(int), u)
foo 16
bar 12
super 10
dtype: int64
选项 4
荒谬的使用东西...只需使用选项 1。
pd.DataFrame(dict(
query=' '.join(df['query']).split(),
count=df['count'].repeat(df['query'].str.count(' ') + 1)
)).groupby('query')['count'].sum()
query
bar 12
foo 16
super 10
Name: count, dtype: int64
关于python - 计算 Pandas 中一列字符串中的单词,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/46553274/