熊猫：在列值中查找空格 + 非用字符的最快方法是什么？

Question

在Pandas中，我有一个列col_one，它最初在每个单元格中包含逗号分隔的值。

['a, b, e, g, o', 'a, b, d', 'a, b, c, f, g', 'a, b, c, f', 'a, c, e', 'a, b, c, o', 'b, c, h, n', 'a, b, c, g, o', 'a, b, c, f', 'a, b, c, g, h, o', 'b', 'a, b, f, m', 'a, b, c, g, h', 'a, b, d, f, g', 'a, c, n', 'j', 'b, c, f', 'a, b, g, l', 'b', 'b', 'a, b, d, e ', 'a, b, c', 'a, b, e, g', 'a, b, c, d, f, g', 'd, k, l', 'a, b, c, f, g ', 'a, b, c, f', 'a, b, c, d,  g', 'b, d, e', 'b, d', 'a', 'b, o', 'c, o', 'b, c, o', 'c', 'a, g, i', 'b, c, n', 'a, b', 'b, c, o, n', 'b, c, h', 'a, b, c, f, g, h', 'a, b, c, d', 'a, b, d', 'a, e, g', 'a, b, c, e, g, k, m', 'b, c, o', 'a, b, f, k', 'd, l', 'a, b, l', 'a, b, c', 'a', 'c, d, g, l', 'b, d, e, o', 'b, d', 'a, b, c, d, e, f, o', 'b', 'a, b, c, f', 'b, c, g', 'b, c, g, k', 'a', 'c', 'b, c, o', 'b, c, n, o']

我用str.split(', ').explode().value_counts() .reset_index()来计算单个字母的数量。但在生成的表中，一些字母会出现两次，可能是因为字符串包含尾随空格不幸的是，这些在Jupyter Notebook显示的结果表中不可见，因为它们只是空白

使用此

col_one_list = df["letter"].tolist()
print (col_one_list)

给了我一个所有计算值的列表。在这个列表中，我能够发现一个尾随空格("g"(。但我怎么能做得更好呢？

['b', 'a', 'c', 'g', 'd', 'f', 'o', 'e', 'n', 'h', 'l', 'k', 'm', 'j', 'g ', ' g', 'e ', 'i']

Answer 1

您可以用''替换空白，然后继续split-explode-value_counts，也可以使用get_dummies:

s.str.replace('s+', '').str.get_dummies(',').sum()

输出：

a    36
b    49
c    35
d    15
e     9
f    13
g    18
h     5
i     1
j     1
k     4
l     5
m     2
n     5
o    13
dtype: int64

Answer 2

我会查看您的分解序列，看看哪些值有尾随空格：

letter_series = pd.Series(['b', 'a', 'c', 'g', 'd', 'f', 'o', 'e', 'n', 'h', 'l', 'k', 'm', 'j', 'g ', ' g', 'e ', 'i'])    
letter_series.str.endswith(' ')

或者查看哪些值比一个字符长

letter_series.str.len()