Python 在Pandas中计算字符串列中的单词数

我有一个pandas数据框，其中包含给定时间段内的查询和计数，我希望将此数据框转换为唯一单词的计数。例如，如果数据帧包含以下内容：

query          count
foo bar        10
super          8 
foo            4
super foo bar  2

我希望收到下面的数据帧。e、 g.“foo”一词在表格中正好出现16次

word    count
foo     16
bar     12
super   10

我正在使用下面的函数，但这似乎不是实现这一点的最佳方法，它忽略了每行的总计数

def _words(df):
  return Counter(re.findall(r'\w+', ' '.join(df['query'])))

任何帮助都将不胜感激

---

提前谢谢

选项1

df['query'].str.get_dummies(sep=' ').T.dot(df['count'])

bar      12
foo      16
super    10
dtype: int64

---

选项2

df['query'].str.get_dummies(sep=' ').mul(df['count'], axis=0).sum()

bar      12
foo      16
super    10
dtype: int64

---

选项3

numpy.bincount

+

pd.factorize

还强调了

cytoolz.mapcat

的使用。它返回一个迭代器，在该迭代器中映射函数并连接结果。太酷了

import pandas as pd, numpy as np, cytoolz

q = df['query'].values
c = df['count'].values

f, u = pd.factorize(list(cytoolz.mapcat(str.split, q.tolist())))
l = np.core.defchararray.count(q.astype(str), ' ') + 1

pd.Series(np.bincount(f, c.repeat(l)).astype(int), u)

foo      16
bar      12
super    10
dtype: int64

---

选项4
荒谬的东西使用。。。只需使用选项1

pd.DataFrame(dict(
    query=' '.join(df['query']).split(),
    count=df['count'].repeat(df['query'].str.count(' ') + 1)
)).groupby('query')['count'].sum()

query
bar      12
foo      16
super    10
Name: count, dtype: int64

---

另一种选择是使用

melt

+

groupby

+

sum

：

df['query'].str.split(expand=True).assign(count=df['count'])\
                          .melt('count').groupby('value')['count'].sum()

value
bar      12
foo      16
super    10
Name: count, dtype: int64