统计具有多个模式的pandas数据帧列中的模式频率

Question

我有下面的数据帧：

details = {
'container_id' : [1, 2, 3, 4, 5, 6 ],
'container' : ['black box', 'orange box', 'blue box', 'black box','blue box', 'white box'],
'fruits' : ['apples, black currant', 'oranges','peaches, oranges', 'apples','apples, peaches, oranges', 'black berries, peaches, oranges, apples'],
}

# creating a Dataframe object 
df = pd.DataFrame(details)

我想在清单上分别列出每种水果的频率。

我试过这个代码

df['fruits'].str.split(expand=True).stack().value_counts()

但我得到了2次黑加仑计数，而不是1次黑加仑和1次黑浆果。

Answer 1

您可以像以前一样执行此操作，但需要指定分隔符。请注意，在分割数据时，除非分隔符是带空格的逗号，否则会得到一些前导空格。要确定，只需使用str.strip的另一个步骤。

df['fruits'].str.split(',', expand=False).explode().str.strip().value_counts()

df['fruits'].str.split(', ', expand=True).stack().value_counts()

输出：

apples           4
oranges          4
peaches          3
black currant    1
black berries    1
Name: fruits, dtype: int64

Answer 2

指定逗号分隔符，后跟可选空格：

df['fruits'].str.split(',s?', expand=True).stack().value_counts()

输出：

apples           4
oranges          4
peaches          3
black currant    1
black berries    1
dtype: int64