python – 将Pandas的“findall”结果列表拆分为多个项目,按uniques分组

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了python – 将Pandas的“findall”结果列表拆分为多个项目,按uniques分组，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含2294字，纯文字阅读大概需要4分钟。

内容图文

我已经下载了我的Twitter档案,我正在尝试对我最常谈话的人做一些分析.

推文CSV列如下所示：

tweet_id,in_reply_to_status_id,in_reply_to_user_id,retweeted_status_id,retweeted_status_user_id,timestamp,source

我使用read_csv()将tweets.csv文件导入名为“indata”的数据框中.

然后,为了获得推文中提到的所有@handles的列表,我使用了以下内容：

handles = indata['text'].str.findall('@[a-zA-Z0-9_-]*')

结果：

timestamp
...
2013-04-12 11:24:27                                [@danbarker]
2013-04-12 11:22:32                                  [@SeekTom]
2013-04-12 10:50:45    [@33Digital, @HotwirePR, @kobygeddes, @]
2013-04-12 08:00:03                              [@mccandelish]
2013-04-12 07:59:01                                [@Mumbrella]
...
Name: text, dtype: object

我希望能够做的是按个人句柄和日期分组,以显示多年来与我交谈过的人数.

有什么建议？

解决方法:

纯粹的pandas方式可能是应用Series构造函数将它放入一个DataFrame并堆叠成一个Series(所以你可以使用value_counts)…如果你不关心索引/时间戳你可以使用集合(可能更快)：

In [11]: df = pd.DataFrame([['@a @b'], ['@a'], ['@c']], columns=['tweets'])

In [12]: df
Out[12]:
  tweets
0  @a @b
1     @a
2     @c

In [13]: at_mentions = df['tweets'].str.findall('@[a-zA-Z0-9_]+')

注意：我会使用而不是*因为我认为@本身不应该被包括在内.

In [14]: at_mentions
Out[14]:
0    [@a, @b]
1        [@a]
2        [@c]
Name: tweets, dtype: object

使用collections’ Counter这很容易：

In [21]: from collections import Counter

In [22]: Counter(at_mentions.sum())
Out[22]: Counter({'@a': 2, '@b': 1, '@c': 1})

大熊猫的方式将保留索引(时间)信息.

Apply系列构造函数将DataFrame和stack组合成一个系列：

In [31]: all_mentions = at_mentions.apply(pd.Series)

In [32]: all_mentions
Out[33]:
    0    1
0  @a   @b
1  @a  NaN
2  @c  NaN

我们可以在这里整理名称,以便对正在发生的事情进行更具描述性：

In [33]: all_mentions.columns.name = 'at_number'

In [34]: all_mentions.index.name = 'tweet'  # this is timestamp in your example

现在,当我们堆叠时,我们会看到级别的名称：

In [35]: all_mentions = all_mentions.stack()

In [36]: all_mentions
Out[36]:
tweet  at_number
1      0            @a
       1            @b
2      0            @a
3      0            @c
dtype: object

我们可以在这里做很多其他分析,例如value_counts：

In [37]: all_mentions.value_counts()
Out[37]:
@a    2
@c    1
@b    1
dtype: int64

最终结果等同于pd.Series(Counter(at_mentions.sum())).

内容总结

以上是互联网集市为您收集整理的python – 将Pandas的“findall”结果列表拆分为多个项目,按uniques分组全部内容，希望文章能够帮你解决python – 将Pandas的“findall”结果列表拆分为多个项目,按uniques分组所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端