如何按pandas数据帧列中的前2个单词分组并计数？

Question

我有一个数据帧，看起来像这样：

dfx = pd.DataFrame({'id' : ['blue apple werewolf', 'blue apple cat',
'yellow tangerine','blue apple dog', 'orange dog nectarine','black', 'green apple cat'] })

我想按id列中每行的前2个单词分组，并返回以这两个单词开头的项的计数。如果一个列值没有2个字，它应该只计算第一个字。在

因此，生成的数据帧应该如下所示：

^{pr2}$

有什么帮助吗？在

Answer 1

您应该能够使用extract获取它：

dfx = pd.DataFrame({'id' : ['blue apple werewolf', 'blue apple cat',
'yellow tangerine','blue apple dog', 'orange dog nectarine','black', 'green apple cat'] })

dfx.groupby(dfx.id.str.extract('([^\ ]+[\ ]*[^\ ]*)',expand=False)).count().sort_values('id',ascending =False).rename(columns={'id':'COUNT'}).reset_index()