我正在尝试删除每行的重复项,然后为该用户创建一个列,其中包含每行中的计数。
当前数据框
handle tweet
0 CaptainNormal [@WayneDupreeShow, #climatechange, @Wsow]
1 Cebel6 [@NWAJimmy, @NWAJimmy, @gaystoner821]
2 davidjwalling [#infosec, #Intel, #ACM, #IEEE]
3 nolaguy_phd [@gaystoner821]
所需的数据框
handle tweet count
0 CaptainNormal [@WayneDupreeShow, #climatechange, @Wsow] 3
1 Cebel6 [@NWAJimmy, @gaystoner821] 2
2 davidjwalling [#infosec, #Intel, #ACM, #IEEE] 4
3 nolaguy_phd [@gaystoner821] 1
我试过类似的东西
df.tweet.apply(tuple).value_counts()
但对所有内容都返回 1。
请您参考如下方法:
如果值是string,首先转换:
print (type(df.loc[0, 'tweet']))
<class 'str'>
import ast
df['tweet'] = df['tweet'].apply(ast.literal_eval)
备选方案:
df['tweet'] = df['tweet'].str.strip('[]').str.split(',\s+')
然后转换为set并获取长度:
print (type(df.loc[0, 'tweet']))
<class 'list'>
df['tweet'] = df['tweet'].apply(lambda x: list(set(x)))
df['count'] = df['tweet'].str.len()
print (df)
handle tweet count
0 CaptainNormal [#climatechange, @Wsow, @WayneDupreeShow] 3
1 Cebel6 [@NWAJimmy, @gaystoner821] 2
2 davidjwalling [#ACM, #IEEE, #infosec, #Intel] 4
3 nolaguy_phd [@gaystoner821] 1
