假设我有一个数据帧
df = pd.DataFrame({
'column_1': ['ABC DEF', 'JKL', 'GHI ABC', 'ABC ABC', 'DEF GHI', 'DEF', 'DEF DEF', 'ABC GHI DEF ABC'],
'column_2': [9, 2, 3, 4, 6, 2, 7, 1 ]
})
df
column_1 column_2
0 ABC DEF 9
1 GHI ABC 3
2 ABC ABC 4
3 DEF GHI 6
4 DEF 2
5 DEF DEF 7
6 ABC GHI DEF ABC 1
我想计算我的每个正则表达式模式组在该列中出现的次数.
为了简单起见,假设模式是单词ABC and DEF
,那么我需要计算所有行中的单词数.
预期输出:
column_1 column_2 Group1_count Group2_count
0 ABC DEF 9 1 1
1 JKL 9 0 0
2 GHI ABC 3 1 0
3 ABC ABC 4 2 0
4 DEF GHI 6 0 1
5 DEF 2 0 1
6 DEF DEF 7 0 2
7 ABC GHI DEF ABC 1 2 1
这就是我try 的方法,但我不知道如何前进以获得计数值.
df['column_1'].str.extractall('(ABC)|(DEF)').groupby(level=0).first()
0 1
0 ABC DEF
2 ABC None
3 ABC None
4 None DEF
5 None DEF
6 None DEF
7 ABC DEF
对于这个问题,最好采用向量解/一线性方法.
还要注意,在本例中,为了简单起见,我使用了ABC
和DEF
,但它也可以是一个复杂的正则表达式模式.