Python 熊猫：将包含列表的列展开为新的列变量，其中单元格表示计数

我从具有单个单击数据的数据集开始。我以每年一次的方式汇总数据，以构建一个时间序列。但我遇到的一个问题是聚合click的源代码（click来自哪里的示例）。作为聚合后的结果，我有以下数据帧

    year  month  clickSource
0   2010    01  google, yahoo, google, google, facebook, facebook
1   2010    02  facebook, yahoo, google, google, facebook, facebook
2   2010    03  yahoo, yahoo, google, google, facebook, facebook
3   2010    04  google, yahoo, google, twitter, facebook, facebook
4   2010    05  facebook, yahoo, google, google, facebook, facebook
5   2010    06  twitter, yahoo, google, twitter, facebook, google

我想介绍

clickSource

列中每个独特项目的列以及计数示例：

    year  month  google  yahoo  facebook  twitter
0   2010    01    3       1         2       0
1   2010    02    2       1         3       0   
2   2010    03    2       2         2       0 
...

最初，我的列是一个字符串对象，因此我将其转换为列为休止符：

temp['clickSource'] = temp['clickSource'].apply(lambda x: x.split(','))

然后我做了一个系列：

col_names = temp['clickSource'].apply(pd.Series)

---

但这为列表中的每个项目创建了一列，而不是每个项目创建一列（显然是因为我没有告诉它计数等）。如何获得我解释的内容

创建一个数据帧，将源列拆分并分布在多个列中：

df = temp.clickSource.str.split(',', expand=True)

提取该数据帧中元素的计数器，并获取重复的列名：

df = pd.get_dummies(df, prefix='', prefix_sep='')

沿列轴将结果分组，并将结果相加：

df = df.groupby(df.columns, axis=1).sum()
df 
   facebook  google  twitter  yahoo
0         2       3        0      1
1         3       2        0      1
2         2       2        0      2
3         2       2        1      1
4         3       2        0      1
5         1       2        2      1

合并两个结果数据帧：

pd.concat([temp, df], axis=1)
Out[48]: 
   year  month  facebook  google  twitter  yahoo
0  2010      1         2       3        0      1
1  2010      2         3       2        0      1
2  2010      3         2       2        0      2
3  2010      4         2       2        1      1
4  2010      5         3       2        0      1
5  2010      6         1       2        2      1

---

这是另一个选择：

import pandas as pd
pd.concat([df, 
          df.clickSource.apply(lambda x: pd.Series(x.split(', ')).value_counts()).fillna(0)], 
          axis = 1)

---

apply（pd.value\u计数）

神奇地将各种索引合并到列索引中。您是否在apply或相关文件中有任何东西可以证明这一点，或者这纯粹是（过去或现在的）试验和成功？我不想用这种方式尝试，因为我不想在这里用这种神奇的方式。有什么见解吗welcome@boud，通过试用，我知道

pd.value\u counts

获取一个列表并返回一个在索引中具有唯一值的序列，并将其计为值。在一个系列中应用一个返回一个系列的函数正是这个神奇之处。更进一步地说，我非常确定（尽管我没有去看）pd.value\u counts使用

np.unique（x，return\u counts=True）

返回一个由唯一值和值计数组成的元组。@Boud有一个成功的答案。由于某种原因，这不起作用。它扩展了专栏，当我查看最终结果时，它有多个google、facebook专栏。@很高兴知道。我绕回来试着把它修好。看来你已经有了获胜的答案。由于某种原因，其他两种方法没有聚合。相反，它们都在没有聚合的情况下扩展了列。不知道为什么。这是一个非常优雅的答案，但正如我在其他答案中提到的，最终数据框有多个

google、facebook

，而不是一个代表所有google等。我知道在你的答案中它真的有效，但不确定它不起作用的是什么@布德的回答奏效了。

df.set_index(['year', 'month']).clickSource.str.split(', ') \
    .apply(pd.value_counts).fillna(0).astype(int).reset_index()