Pandas zählen am häufigsten Elemente in verschachtelten Listen innerhalb gropby und bekommen nlargest

Question

ich folgende Datenrahmen haben:

      animals 
2016-12-26 11:03:10  [dog] 
2016-12-26 11:03:13  [dog, cat] 
2016-12-26 12:03:13  [elephant, cat] 
2016-12-26 12:03:13  [cow, dog] 
2016-12-27 11:03:10  [cow, dog, cat] 
2016-12-27 11:03:13  [elephant] 
2016-12-27 12:03:13  [elephant] 
2016-12-27 12:03:13  [dog, cat] 

Ich brauche N häufigsten Tiere erhalten und ihre Zählung nach Datum. Zum Beispiel (N = 2):

   animal size 
2016-12-26  dog  3 
       cat  2 
2016-12-27  cat  2 
      elephant  2 

Wie kann ich das tun in Pandas 0.19.x?

Answer 1

Option 1

• apply(pd.Series) Listen als Teil der Datenrahmen einzubetten
• stack in einem überschaubaren Reihe zu bekommen
• reset_index becaus e wird es eine lästige Artefakt aus Stapeln links vorbei
• groupby + pd.TimeGrouper('D') + value_counts + head zu Job

---

df.animals.apply(pd.Series).stack() \ 
    .reset_index(1, drop=True) \ 
    .groupby(pd.TimeGrouper('D')) \ 
    .apply(lambda x: pd.value_counts(x).head(2)) 

Option 2

• resample getan von 'D' dann sum auf alle Listen aus einem einzigen Tag kombinieren
• value_counts
• nlargest

---

df.animals.resample('D').sum() \ 
    .apply(pd.value_counts).stack() \ 
    .groupby(level=0, group_keys=False).nlargest(2) 

Option 3

• list Verständnis Listen abzuflachen
• numpy.unique eindeutige Werte und ihre Zählungen
• numpy.argsort zu erhalten 2 größten Wert erhalten zählt
• resample täglich und verwenden apply

---

def big2(s): 
    l = [i for l in s.values.tolist() for i in l] 
    u, c = np.unique(l, return_counts=True) 
    a = np.argsort(c)[-2:] 
    return pd.Series(c[a], u[a]) 

df.animals.resample('D').apply(big2) 

---

ergibt

2016-12-26 dog   3 
      cat   2 
2016-12-27 elephant 2 
      cat   2 
dtype: int64 

---

Timing

Answer 2

So etwas wie

df.resample('D').apply(lambda x: pd.concat(x.values).value_counts().iloc [:2])