Python 计算行频率并生成输出文件
使用如下文本文件:Python 计算行频率并生成输出文件,python,Python,使用如下文本文件: a;b b;a c;d d;c e;a f;g h;b b;f b;f c;g a;b d;f 如何读取它,并生成两个输出文本文件:一个只保留代表每个字母最常出现的两行;还有一个是保留所有的夫妇,包括最常见的25%的信件中的任何一封 很抱歉没有共享任何代码。我尝试了很多关于列表理解、计数和熊猫的东西,但不够流利 这里是一个没有冻结集的答案 df1 = df.apply(sorted, 1) df_count =df1.groupby(['A', 'B']).size().r
a;b
b;a
c;d
d;c
e;a
f;g
h;b
b;f
b;f
c;g
a;b
d;f
如何读取它,并生成两个输出文本文件:一个只保留代表每个字母最常出现的两行;还有一个是保留所有的夫妇,包括最常见的25%的信件中的任何一封
很抱歉没有共享任何代码。我尝试了很多关于列表理解、计数和熊猫的东西,但不够流利 这里是一个没有冻结集的答案
df1 = df.apply(sorted, 1)
df_count =df1.groupby(['A', 'B']).size().reset_index().sort_values(0, ascending=False)
df_count.columns = ['A', 'B', 'Count']
df_all = pd.concat([df_count.assign(letter=lambda x: x['A']),
df_count.assign(letter=lambda x: x['B'])]).sort_values(['letter', 'Count'], ascending =[True, False])
df_first = df_all.groupby(['letter']).first().reset_index()
top = int(len(df_count) / 4)
df_top_25 = df_count.iloc[:top]
------------老答案--------
因为顺序很重要,所以可以使用冻结集作为groupby的键
import pandas as pd
df = pd.read_csv('text.csv', header=None, names=['A','B'], sep=';')
s = df.apply(frozenset, 1)
df_count = s.value_counts().reset_index()
df_count.columns = ['Combos', 'Count']
这会给你这个
Combos Count
0 (a, b) 3
1 (b, f) 2
2 (d, c) 2
3 (g, f) 1
4 (b, h) 1
5 (c, g) 1
6 (d, f) 1
7 (e, a) 1
为了获得每个字母的最高组合,我们将把这个数据框连接在它的顶部,并创建另一个列来容纳第一个或第二个字母
df_a = df_count.copy()
df_b = df_count.copy()
df_a['letter'] = df_a['Combos'].apply(lambda x: list(x)[0])
df_b['letter'] = df_b['Combos'].apply(lambda x: list(x)[1])
df_all = pd.concat([df_a, df_b]).sort_values(['letter', 'Count'], ascending =[True, False])
因为这是按字母和计数(降序)排序的,所以只需要得到每组的第一行
df_first = df_all.groupby('letter').first()
要想获得前25%,只需使用
top = int(len(df_count) / 4)
df_top_25 = df_count.iloc[:top]
然后使用
。\u csv
输出到文件。共享示例输出顺序是否重要?例如,将a;b
和b;a
是一对反复出现的夫妇吗?是的,在给出答案之前,你需要准确地定义一对夫妇首先是什么。熊猫将是一个很好的工具。请添加示例输出。这个问题不是很重要clear@textnet列
应为名称
。固定在下面。我总是把这场争论弄糊涂。我做得很好。非常感谢。.to_csv
文件的行看起来像这样a;冻结集(['a','b']);3
在第一种情况下,与此类似0;冻结集(['a','b']);3
在第二行。以任何平滑的方式将它们都格式化为a;b
标题为source
和target
?要摆脱冻结集,请使用下半部分中所做的操作df['source']=df['Combos'].apply(lambda x:list(x)[0])
和df['target']=df['Combos'].apply(lambda x:list(x)[0])
并删除不必要的列。是否可以修改代码df_count=df.groupby(['source','target']).size().reset_index().sort_值(0,升序=False)
和df_count.columns=['source','target','weight']
以使方向不重要,即a;b与b一起计算;a?在其上面的步骤中使用“应用并排序”对其进行修改。