Python 获取一个df列中的哪个元素对于另一个df列中的每个单独元素最频繁出现（各种单独字符串的列表）

我的pandas数据框中有一个名为“tags”的列，它是多个字符串的列表

[abc, 123, xyz]
[456, 123]
[abc, 123, xyz]

我还有另一个列tech，每个列都有一个字符串

win
mac
win

请让我知道是否有一种方法可以让我获得标签中每个元素在技术中出现最频繁的元素。 例如，与其他技术相比，“abc”最常与“win”联系在一起。因此，输出应该如下所示：

abc win
123 win
xyz win
456 mac

---

IIUC，您可以

分解
标记
列，并使用
交叉表
和
idxmax
：

输入：

d = {'Tags':[['abc', 123, 'xyz'],[456, 123],['abc', 123, 'xyz']],
     'tech':['win','mac','win']}
df = pd.DataFrame(d)
print(df)

              Tags tech
0  [abc, 123, xyz]  win
1       [456, 123]  mac
2  [abc, 123, xyz]  win


解决方案：

m = df.explode('Tags')
out = pd.crosstab(m['Tags'],m['tech']).idxmax(1)


Tags
123    win
456    mac
abc    win
xyz    win
dtype: object

你好，我建议如下：


import pandas as pd
# I reproduce your example
df = pd.DataFrame({"tags": [["abc", "123", "xyz"], ["456", "123"], ["abc", "123", "xyz"]],
                   "tech": ["win", "mac", "win"]})
# I use explode to have one row per tag
df = df.explode(column="tags")
# then I set index for tags
df = df.set_index("tags").sort_index()

# And then I take the most frequent value by defining a mode function
def mode(x):
    '''
    Returns mode 
    '''
    return x.value_counts().index[0]
res = df.groupby(level=0).agg(mode)

我明白了

     tech
tags     
123   win
456   mac
abc   win
xyz   win

如果还需要与标记关联的频率：

import pandas as pd
from collections import Counter


df = pd.DataFrame({'tech':['win', 'mac', 'win'], 
              'tags':[['abc', 123, 'xyz'], [456, 123], ['abc', 234, 'xyz']]})

df = df.groupby('tech').sum() # concatenate by tech the lists

df['freq'] = [Counter(el) for el in df['tags']] # convert each list to a dict of frequency

final_df = pd.DataFrame()

# explode the column of dicts
for row in df.iterrows():
    tech = row[0]      # get the value in the metric column
    for key, value in row[1][1].items():
        tmp_df = pd.DataFrame({
            'tech':tech,
            'tag': key,
            'frequency': value
        }, index=[0])

        final_df = final_df.append(tmp_df) # append the tmp_df to our final df

final_df = final_df.reset_index(drop=True)  

完美的非常感谢你！！我可以按照标记在数据帧中的显示次数对交叉表中标记的顺序进行排序吗？@AnishaAlluru将
out
保存为仅交叉表，并从
out
变量中删除
idxmax
，然后执行
out.idxmax（1）.reindex（out.max（1）.sort\u值（升序=False）.index）
，让我知道：）这是一个有趣的方法和有用的。向上投票