Python 计算熊猫中常见元素的出现次数

我有以下数据：

data_SP = pd.read_csv(path_ServicePath, sep='\t', header=None)
data_SP.columns = ["Id#SP"]
print(data_SP)

    IdSP
0   SH11
1   SH11
2   SH12
3   SH12
4   SH13
5   SH13
6   SH13
7   SH13
... ...

而且

data_SH = pd.read_csv(path_ServiceHierarchy,sep='\t',header=None)
data_SH.columns = ["Id#SH", "ConnectionClient"]
print(data_SH)
IdSH    ConnectionClient
0   SH11    CN01207507
1   SH12    CN01207509
2   SH13    CN01207539
3   SH14    CN01207542
4   SH15    CN01207564
... ...

事实上，我想计算

data\u SH

元素在

data\u SP

中的出现次数。换句话说，

data\u SH.['Id\SH']

中的每个元素在

data\u SP

例如：

SH11 = 2
SH12 = 2
SH13 = 4

---

让我们使用

Series.where

+

Series.isin

来过滤

IdSP

中也存在于

IDSH

中的值，然后使用

value\u counts

来计算出现的次数：

data_SP['IdSP'].where(lambda x: x.isin(data_SH['IdSH'])).value_counts()

或者，您也可以执行

值\u计数

+

重新索引

：

data_SP['IdSP'].value_counts().reindex(data_SH['IdSH']).dropna()

---

---

对列中的值进行计数的最佳方法如下：

data_SH.value_counts()

---

另请参阅

这给出了计数，但没有给出数据sh中存在和数据SP中不存在的元素的计数

    data_SP = pd.read_csv(path_ServicePath, sep='\t', header=None)
    data_SP.columns = ["Id#SP"]
    data_SP["count"] = [1]*len(df)
    data_SP=data_SP.groupby("Id#SP").count()

    data_SP = pd.read_csv(path_ServicePath, sep='\t', header=None)
    data_SP.columns = ["Id#SP"]
    data_SP["count"] = [1]*len(df)
    data_SP=data_SP.groupby("Id#SP").count()