如何分组两列和单词计数熊猫（或python）中的最后一列

Question

1）例如，我有 3 列，如下所示

 date      categories     contents  

 2018-01   fish_tank1     Goldfish Gombessa Goosefish Gopher rockfish   

 2018-01   fish_tank2     Grass carp Goosefish Grayling mullet shark  

 2018-02   fish_tank2     Goosefish Gopher rockfish Grayling mullet shark  

 2018-01   fish_tank1     carp Goosefish Grayling Goldfish Gombessa   

 2018-02   fish_tank2     carp Goosefish Grayling Grass carp Goosefish  

 2018-03   fish_tank3     Grass carp Goosefish Grayling mullet shark  

 2018-03   fish_tank2     Goosefish Gopher rockfish Goosefish Grayling  

2）我有点想做df.groupby(['date','categories']).agg(df.contents.str.split(expand=True).stack().value_counts()得到类似下面的结果。但最近几天我无法弄清楚这一点。

    date   categories       contents  

 2018-01   fish_tank1  2    Goldfish    2   

                            Gombessa    2   

                            Goosefish   2    

                            Gopher      1   

                            rockfish    1   

                            ......   

           fish_tank2      Grass    1   

                           carp     1   

                           .....  

 2018-02   fish_tank2     Goosefish    3  

                          Grayling     2  

                          Gopher       1  

                          ........    

........................  

3）谁能给我洞察力来获得我想做的结果？

Answer 1

用 -from collections import Counterdf['contents2'] = df['contents'].str.split()df.groupby(['date', 'categories'])['contents2'].apply(lambda x: Counter(x.sum()))输出date     categories           2018-01  fish_tank1  Goldfish     2.0                     Gombessa     2.0                     Goosefish    2.0                     Gopher       1.0                     Grayling     1.0                     carp         1.0                     rockfish     1.0         fish_tank2  Goosefish    1.0                     Grass        1.0                     Grayling     1.0                     carp         1.0                     mullet       1.0                     shark        1.02018-02  fish_tank2  Goosefish    3.0                     Gopher       1.0                     Grass        1.0                     Grayling     2.0                     carp         2.0                     mullet       1.0                     rockfish     1.0                     shark        1.02018-03  fish_tank2  Goosefish    2.0                     Gopher       1.0                     Grayling     1.0                     rockfish     1.0         fish_tank3  Goosefish    1.0                     Grass        1.0                     Grayling     1.0                     carp         1.0                     mullet       1.0                     shark        1.0Name: contents2, dtype: float64