Häufigkeit, mit der bestimmte Zeichenfolgen in Python auftreten

Question

Ich arbeite an einer Datenbank mit Vorfällen, die verschiedene Sektoren in verschiedenen Ländern betreffen, und möchte eine Tabelle erstellen, die die Aufschlüsselung nach Vorfällen für jedes Land angibt.

Die Datenbank sieht wie folgt aus atm

Incident Name | Country Affected | Sector Affected 
incident_1  | US,TW,CN   | Engineering,Media 
incident_2  | FR,RU,CN   | Government 
etc., etc. 

Mein Ziel ein zu bauen wäre, die wie folgt aussieht:

Country | Engineering | Media | Government 
CN  | 3   | 0  | 5 
etc. 

Gerade jetzt meine Methode ist im Grunde ein zu verwenden, wenn Schleife zu überprüfen, ob Die Länderspalte enthält eine bestimmte Zeichenfolge (z. B. "CN"), und wenn dies True zurückgibt, führen Sie Counter von Sammlungen aus, um ein Wörterbuch der ursprünglichen Tabelle zu erstellen, und speichern Sie diese.

Mein Problem ist, wie skaliert man uns auf eine Ebene, wo es über die gesamte Datenbank ausgeführt werden kann UND wie man das von Counter produzierte Wörterbuch tatsächlich speichert.

Answer 1

pd.Series.str.get_dummies und pd.DataFrame.dot

c = df['Country Affected'].str.get_dummies(sep=',') 
s = df['Sector Affected'].str.get_dummies(sep=',') 

c.T.dot(s) 

    Engineering Government Media 
CN   1   1  1 
FR   0   1  0 
RU   0   1  0 
TW   1   0  1 
US   1   0  1 

---

größer Beispiel

np.random.seed([3,1415]) 

countries = ['CN', 'FR', 'RU', 'TW', 'US', 'UK', 'JP', 'AU', 'HK'] 
sectors = ['Engineering', 'Government', 'Media', 'Commodidty'] 

def pick_rnd(x): 
    i = np.random.randint(1, len(x)) 
    j = np.random.choice(x, i, False) 
    return ','.join(j) 

df = pd.DataFrame({ 
     'Country Affected': [pick_rnd(countries) for _ in range(10)], 
     'Sector Affected': [pick_rnd(sectors) for _ in range(10)] 
    }) 

df 

      Country Affected    Sector Affected 
0      CN    Government,Media 
1 FR,TW,JP,US,UK,CN,RU,AU   Commodidty,Government 
2     HK,AU,JP     Commodidty 
3   RU,CN,FR,JP,UK Media,Commodidty,Engineering 
4 CN,RU,FR,JP,TW,HK,US,UK Government,Media,Commodidty 
5     FR,CN     Commodidty 
6  FR,HK,JP,TW,US,AU,CN     Commodidty 
7 CN,HK,RU,TW,UK,US,FR,JP    Media,Commodidty 
8     JP,UK,AU    Engineering,Media 
9     RU,UK,FR       Media 

Dann

c = df['Country Affected'].str.get_dummies(sep=',') 
s = df['Sector Affected'].str.get_dummies(sep=',') 

c.T.dot(s) 

    Commodidty Engineering Government Media 
AU   3   1   1  1 
CN   6   1   3  4 
FR   6   1   2  4 
HK   4   0   1  2 
JP   6   2   2  4 
RU   4   1   2  4 
TW   4   0   2  2 
UK   4   2   2  5 
US   4   0   2  2