计数python中值的重新出现

Question

我有一个包含以下内容的数据集：

SNo  Cookie
1       A
2       A
3       A
4       B
5       C
6       D
7       A
8       B
9       D
10      E
11      D
12      A

假设我们有 5 个 cookie 'A,B,C,D,E'。现在我想计算在遇到新 cookie 后是否再次出现任何 cookie。例如，在上面的示例中，cookie A 再次出现在第 7 位，然后也出现在第 12 位。 注意 我们不会将 A 同时计算在第 2 位，但在第 7 和第 12 位我们在再次看到 A 之前已经看到了许多新的 cookie，因此我们计算了该实例。所以本质上我想要这样的东西：

Sno Cookie  Count
 1     A     2
 2     B     1
 3     C     0
 4     D     2
 5     E     0

谁能给我这背后的逻辑或python代码？

Answer 1

这样做的一种方法是首先删除连续的Cookies，然后找到在使用duplicated之前看到Cookie的位置，最后是groupby cookie并得到总和：

no_doubles = df[df.Cookie != df.Cookie.shift()]

no_doubles['dups'] = no_doubles.Cookie.duplicated()

no_doubles.groupby('Cookie').dups.sum()

这给了你：

Cookie
A    2.0
B    1.0
C    0.0
D    2.0
E    0.0
Name: dups, dtype: float64

Answer 2

首先删除连续的重复项，然后计算幸存者：

no_dups = df[df.Cookie != df.Cookie.shift()] # Borrowed from @sacul
no_dups.groupby('Cookie').count() - 1
#        SNo
#Cookie     
#A         2
#B         1
#C         0
#D         2
#E         0

Answer 3

pandas.factorize 和 numpy.bincount

1. 如果不计算立即重复的值，则将其删除。
2. 对剩余的值进行正常计数。
3. 但是，这比要求的多一，所以减去一。

---

1. factorize
2. 过滤掉立即重复
3. bincount
4. 制作pandas.Series

---

i, r = pd.factorize(df.Cookie)
mask = np.append(True, i[:-1] != i[1:])
cnts = np.bincount(i[mask]) - 1

pd.Series(cnts, r)

A    2
B    1
C    0
D    2
E    0
dtype: int64

---

pandas.value_counts

zip cookie 与它的滞后自我，拉出不重复

c = df.Cookie.tolist()

pd.value_counts([a for a, b in zip(c, [None] + c) if a != b]).sort_index() - 1

A    2
B    1
C    0
D    2
E    0
dtype: int64

---

defaultdict

from collections import defaultdict

def count(s):
  d = defaultdict(lambda:-1)
  x = None
  for y in s:
    d[y] += y != x
    x = y

  return pd.Series(d)

count(df.Cookie)

A    2
B    1
C    0
D    2
E    0
dtype: int64