Python如何计算一行中包含多个项目的系列

Question

f = open("routeviews-rv2-20181110-1200.pfx2as", 'r')
#read file into array, ignore first 6 lines
lines = loadtxt("routeviews-rv2-20181110-1200.pfx2as", dtype='str', 
delimiter="t", unpack=False)
#convert to dataframe
df = pd.DataFrame(lines,columns=['IPPrefix', 'PrefixLength', 'AS'])
series = df['AS'].astype(str).str.replace('_', ',').str.split(',')
arr = numpy.array(list(chain.from_iterable(series)))
ASes= pd.Series(numpy.bincount(arr))

ValueError：基数为10的int((的文字无效："31133_655060501">

我想在AS列中每次出现一个项目时进行计数。但是有些行有多个条目需要计数。

参考：Python在数据帧列中查找最大值以循环查找所有值

Txt文件：http://data.caida.org/datasets/routing/routeviews-prefix2as/2018/11/

但这不能算下67820行。

Out[94]: df=
A                 B       C
0             1.0.0.0           24  13335
1             1.0.4.0           22  56203
2             1.0.4.0           24  56203
3             1.0.5.0           24  56203
...          ...    ...
67820    1.173.142.0            24  31133_65500,65501
...          ...    ...
778719  223.255.252.0           24  58519
778720  223.255.254.0           24  55415

_不是拼写错误，这就是它在文件中的显示方式。

Desired output.
1335     1
...     ..
31133    1
...     ..
55415    1 
...     ..
56203    3
...     ..
58159    1
...     ..
65500    1
65501    1
...     ..

Answer 1

replace+split+chain

您可以将_替换为,，在使用np.bincount:之前先拆分然后链式

from itertools import chain
series = df['A'].astype(str).str.replace('_', ',').str.split(',')
arr = np.array(list(chain.from_iterable(series))).astype(int)
print(pd.Series(np.bincount(arr)))
0     0
1     0
2     2
3     4
4     1
5     6
6     1
7     0
8     0
9     0
10    1
dtype: int64