具有多种模式的大熊猫数据栏中模式频率的计数

Question

我有下面的数据：

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)

我想在单子上分别找到每种水果的频率。

我试过这段代码

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

但是我得到了2次黑数，而不是黑醋栗和黑浆果1次。

Answer 1

您可以像以前一样这样做，但是可以指定分隔符。请注意，在拆分数据时，除非分隔符是带空格的逗号，否则将得到一些前导空格。当然，只需在str.strip中使用另一个步骤即可。

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

您的方式(您也可以在堆栈命令之后使用str.strip，如果您愿意的话)

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，后面是可选空格：

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