熊猫：对于df中的每一行，计算该值在另一列中的存在次数

Question

我有以下数据框。

>>> df = pd.DataFrame({'selected': ['A', 'B', 'C', 'A', 'B', 'C', 'A', 'D'], 'presented': ['A|B|D', 'B|D|A', 'A|B|C', 'D|C|B|A','A|C|D|B', 'D|B|C','D|C|B|A','D|B|C']})
>>> df

这是一个很大的数据集，有50万行（为了简化示例，删除了日期列）

  selected presented
0        A     A|B|D
1        B     B|D|A
2        C     A|B|C
3        A   D|C|B|A
4        B   A|C|D|B
5        C     D|B|C
6        A   D|C|B|A
7        D     D|B|C

目标是计算selected/presented所选列中每个项目的比率。示例A是按8时间显示的，但是仅在向用户显示的时间中选择了6几次8。

我想创建以下结果data.frame：

item, selected, presented, ratio
A, 3, 6, 0.5
B, 2, 8, 0.25

我从关注开始，但无法弄清楚分组，因为如果我仅按分组selected并开始计数，它将只能捕获显示时间。

>>> df['ratio'] = df.apply(lambda x:1 if x.selected in x.presented.split('|') else 0, axis=1)
>>> df
  selected presented  ratio
0        A     A|B|D      1
1        B     B|D|A      1
2        C     A|B|C      1
3        A   D|C|B|A      1
4        B   A|C|D|B      1
5        C     D|B|C      1
6        A   D|C|B|A      1
7        D     D|B|C      1

Answer 1

您可以使用get_dummies+ value_counts，然后concat使用结果

s1=df.presented.str.get_dummies('|').sum().to_frame('presented')
s2=df.selected.value_counts()
yourdf=pd.concat([s1,s2],1,sort=True)
yourdf['ratio']=yourdf['selected']/yourdf['presented']

yourdf
Out[488]: 
   presented  selected     ratio
A          6         3  0.500000
B          8         2  0.250000
C          6         2  0.333333
D          7         1  0.142857