我有一个数据帧:
| items
--------------
0 | [a]
1 | [a, b]
2 | [d, e, f,f]
3 | [d, f, e]
4 | [c, a, b]
我想计算列表中每个项目的频率,并构建如下表:
a| b| c| d| e| f
-------------------------
0| 1| 0| 0| 0| 0| 0
1| 1| 1| 0| 0| 0| 0
2| 0| 0| 0| 1| 1| 2
3| 0| 0| 0| 1| 1| 1
4| 1| 1| 1| 0| 0| 0
我看着pandas.explode,但我不认为那是我想要的。你知道吗
我可以在下面这样做。但我觉得也许有更有效的方法。我大约有350万排。你知道吗
import pandas as pd
from collections import Counter,defaultdict
df = pd.DataFrame({'items':[['a'],['a','b'],
['d','e','f','f'],['d','f','e'],
['c','a','b']]})
alist = sum(sum(df.values.tolist(),[]),[]) # flatten the list
unique_list = sorted(set(alist)) # get unique value for column names
unique_list
b = defaultdict(list)
for row in sum(df.values.tolist(),[]):
counts = Counter(row)
for name in unique_list:
if name in counts.keys():
b[name].append(counts[name])
else:
b[name].append(0)
pd.DataFrame(b)
因为您的子列表中有重复项,所以这更像是一个
pivot
问题而不是get_dummies
,但是您需要首先扩展您的子列表。你知道吗您可以在这里使用^{} 后跟^{} 。你知道吗
性能
另一种使用^{} 和^{} 的方法:
输出:
相关问题 更多 >
编程相关推荐