列表的dataframe列中的计数值

Question

我在dataframe中有一个列，它看起来像这样

0                                                   NaN
1                                              ["arts"]
2                                       ["sports", "tech"]
3     ["arts", "finance", "health", "sports", "science"...
4                            ["finance", "sports", "tech"]
5                    ["arts", "finance", "sports", "tech"]
6     ["arts", "finance", "health", "sports", "science"...
7                            ["arts", "sports", "science"]

我想知道艺术在所有这些列表中发生了多少次。然而，在尝试column.explode().value_counts(sort=True)时，我只得到了一个基本的发行版，其中包含了一些我不想要的选项。

["tech"]                                                   5
["arts", "finance", "sports", "tech"]                         2
["arts", "sports"]                                            2
["finance", "sports"]                                         1
["arts"]                                                   1

我甚至尝试使用计数器collections.Counter(itertools.chain.from_iterable(v.split(',') for v in column))，但是我得到了下面的错误'float' object has no attribute 'split'

有什么指示吗？

Answer 1

如果column不是太长，那么一个简单的嵌套循环应该工作得很好：

count = 0
for str_list in column:
    for name in str_list:
        if name == "arts":
            count += 1

print(count)

Answer 2

通过执行以下操作，可以创建包含艺术的行的掩码：

mask = df['industry'].apply(lambda x: 'comedy' in x)

然后将数据限制在新的掩码上。

df = df[mask]

从这里开始，您应该能够使用len(df)或类似的东西。

如果您要寻找的行业可以在每一行中出现不止一次，您可以使用您的迭代工具的想法。浮点数错误来自于试图拆分NaN，所以在尝试连接列表之前，请确保使用dropna()。

list(itertools.chain.from_iterable(df['industry'].dropna().values)).count('arts')