python - Pandas :每个日期的频率以列表的形式按列分组

Question

我想从 pandas 数据框中获取每个日期的技术频率。一个可重现的例子:

data = pd.DataFrame(
        {'dates': ['2017-01-31', '2017-02-28', '2017-02-28'],
        'tech': [['c++', 'python'], ['c++', 'c', 'java'], ['java']]}
        )

最终结果可能如下所示(或者在行和列中包含每个日期和技术的计数的名称):

date        c++     python  c   java
2017-01-31  1       1       0   0
2017-02-28  1       0       1   2

第二列，数据应按其分组，是技术列表。简单地尝试按当前状态的数据分组:

data.groupby(['dates', data.tech.values]).count()

产生错误:

TypeError: unhashable type: 'list'

所以我认为按列表分组是不可能的。

Answer 1

看来你需要 get_dummies

pd.get_dummies(data.set_index('dates').tech.apply(pd.Series).stack()).sum(level=0)
Out[193]: 
            c  c++  java  python
dates                           
2017-01-31  0    1     0       1
2017-02-28  1    1     2       0

或者sklearn

from sklearn.preprocessing import MultiLabelBinarizer
mlb = MultiLabelBinarizer()
pd.DataFrame(mlb.fit_transform(data.tech), data.dates, mlb.classes_).sum(level=0)
Out[209]: 
            c  c++  java  python
dates                           
2017-01-31  0    1     0       1
2017-02-28  1    1     2       0