Turning valeurs de colonnes en colonnes entières - Pandas

Question

parmi une série de taille inconnue liste intérieure:

import pandas as pd 
sr = pd.Series([['a', 'b', 'c', 'b'], ['a', 'a', 'd'], ['b']]) 

[out]:

0 [a, b, c, b] 
1  [a, a, d] 
2    [b] 

L'objectif est d'utiliser des valeurs dans la liste intérieure pour créer les colonnes et remplir sa valeur avec le nombre des éléments de chaque ligne, soit

 a b c d 
0 1.0 2.0 1.0 NaN 
1 2.0 NaN NaN 1.0 
2 NaN 1.0 NaN NaN 

J'ai essayé atteindre le t il au-dessus en parcourant chaque ligne et les convertir en Counter objets et de recréer la trame de données en utilisant la liste des dictionnaires de compteur:

>>> from collections import Counter 
>>> pd.DataFrame([dict(Counter(row)) for row in pd.Series([['a', 'b', 'c', 'b'], ['a', 'a', 'd'], ['b']])]) 

est-il un moyen plus simple de le faire? Peut-être avec .pivot()?

Answer 1

Je pense que si l'entrée est list comme dans la question précédente:

lol = [['a', 'b', 'c', 'b'], ['a', 'a', 'd'], ['b']] 
df = pd.DataFrame(Counter(x) for x in lol) 
print (df) 
    a b c d 
0 1.0 2.0 1.0 NaN 
1 2.0 NaN NaN 1.0 
2 NaN 1.0 NaN NaN 

Si l'entrée est Series:

df = pd.DataFrame(sr.values.tolist()).apply(pd.value_counts, 1) 
print (df) 
    a b c d 
0 1.0 2.0 1.0 NaN 
1 2.0 NaN NaN 1.0 
2 NaN 1.0 NaN NaN 

Answer 2

Utilisez

In [179]: pd.DataFrame(Counter(x) for x in sr) 
Out[179]: 
    a b c d 
0 1.0 2.0 1.0 NaN 
1 2.0 NaN NaN 1.0 
2 NaN 1.0 NaN NaN 

Ou

In [182]: sr.apply(lambda x: pd.Series(Counter(x))) 
Out[182]: 
    a b c d 
0 1.0 2.0 1.0 NaN 
1 2.0 NaN NaN 1.0 
2 NaN 1.0 NaN NaN 

Ou value_counts

In [170]: sr.apply(lambda x: pd.Series(x).value_counts()) 
Out[170]: 
    a b c d 
0 1.0 2.0 1.0 NaN 
1 2.0 NaN NaN 1.0 
2 NaN 1.0 NaN NaN 

Ou

In [174]: pd.DataFrame(pd.Series(x).value_counts() for x in sr) 
Out[174]: 
    a b c d 
0 1.0 2.0 1.0 NaN 
1 2.0 NaN NaN 1.0 
2 NaN 1.0 NaN NaN