哪些单词经常一起出现在数据集中

Question

我有一个数据集

，如下所示，

S.No       Country            Budget                      Technology
 1     Israel                   100                 javascript,css,html 
 2     United States            450               python,css3,database 
 3     Australia                300               javascript,angular,node 
 4     Russia                   250               javascript,php,python 
 5     Israel                   700                    python, php
 .       .                       .                          .
 .       .                       .                          .

我已经标记了技术列并计算了最受欢迎的技术。我也计算了预算最高的国家。

现在，我正在尝试找到技术的组合。比如，Javascript被使用哪些技术更频繁？由于我对数据集进行了标记并拆分了它，因此我无法重新组合并将其用于此目的。

我想计算一下，Javascript更常用于css3，然后是html，然后是node等(只是一个例子(。有什么方法可以做到吗？另外，我必须看看哪些国家更频繁地使用哪些技术？比如，JavaScript在澳大利亚，以色列，俄罗斯被更多地使用，而Python在美国被使用。这应该根据计数计算。

Answer 1

IIUC：
这告诉你使用和不使用js的其他技术

df.Technology.str.get_dummies(',').groupby('javascript').sum()
             php  angular  css  css3  database  html  node  php  python
javascript                                                             
1              0        1    1     0         0     1     1    1       1
0              1        0    0     1         1     0     0    0       2

Answer 2

您可以使用字典。遍历数据集，检查是否提到了 JavaScript。如果是这样，对于每一个技术增量，它都是计数器。因此，您将拥有javascript提到的技术字典及其频率。

Answer 3

我试过这个，它有效。您只需要检查字符串是否包含一组特定的字符。这将为您提供哪些国家/地区正在使用特定技术。请评论您还需要什么，我会帮助您。:

from collections import Counter
df['Technology'] = df['Technology'].apply(lambda x: Counter(x.split(',')))
print(df['Technology'])
>>> df['Technology']
0        {u'javascript': 1, u'html': 1, u'css': 1}
1    {u'node': 1, u'javascript': 1, u'angular': 1}
2      {u'python': 1, u'javascript': 1, u'php': 1}