python字母计数-python-如何有效地重新编码和计数

我喜欢用sklearn.preprocessing.LabelEncoder进行字母到数字的转换：

from sklearn.preprocessing import LabelEncoder

# Perform the groupby (before converting letters to digits).

df = df.groupby(["ID_0", "ID_1"]).size().rename("count").reset_index()

# Initialize the LabelEncoder.

le = LabelEncoder()

le.fit(df[["ID_0", "ID_1"]].values.flat)

# Convert to digits.

df[["ID_0", "ID_1"]] = df[["ID_0", "ID_1"]].apply(le.transform)

结果输出：

ID_0 ID_1 count

0 0 2 2

1 1 3 1

2 2 0 3

3 3 4 1

如果要在以后转换回字母,可以使用le.inverse_transform：

df[["ID_0", "ID_1"]] = df[["ID_0", "ID_1"]].apply(le.inverse_transform)

哪个映射回预期：

ID_0 ID_1 count

0 a c 2

1 b f 1

2 c a 3

3 f g 1

如果只想知道哪个数字对应哪个字母,可以查看le.classes_属性.这将为您提供一个字母数组,该字母数组由它编码为的数字索引：

le.classes_

["a" "b" "c" "f" "g"]

为了获得更直观的表示,您可以将其转换为系列：

pd.Series(le.classes_)

0 a

1 b

2 c

3 f

4 g

计时

使用较大版本的示例数据和以下设置：

df2 = pd.concat([df]*10**5, ignore_index=True)

def root(df):

df = df.groupby(["ID_0", "ID_1"]).size().rename("count").reset_index()

le = LabelEncoder()

le.fit(df[["ID_0", "ID_1"]].values.flat)

df[["ID_0", "ID_1"]] = df[["ID_0", "ID_1"]].apply(le.transform)

return df

def pir2(df):

unq = np.unique(df)

mapping = pd.Series(np.arange(unq.size), unq)

return df.stack().map(mapping).unstack() .groupby(df.columns.tolist()).size().reset_index(name="count")

我得到以下计时：

%timeit root(df2)

10 loops, best of 3: 101 ms per loop

%timeit pir2(df2)

1 loops, best of 3: 1.69 s per loop