python-从熊猫数据框中提取并计算每行的唯一主题标签

我有一个带有字符串列Posts的pandas dataframe df,类似这样：

df['Posts']
0       "This is an example #tag1"
1       "This too is an example #tag1 #tag2"
2       "Yup, still an example #tag1 #tag1 #tag3"

当我尝试使用以下代码计算主题标签的数量时,

count_hashtags = df['Posts'].str.extractall(r'(\#\w+)')[0].value_counts()

我明白了

#tag1             4
#tag2             1
#tag3             1

但是我需要将结果计算为每行的唯一主题标签,如下所示：

#tag1             3
#tag2             1
#tag3             1

解决方法:

使用drop_duplicates删除每个帖子中的重复标签,然后可以使用value_counts

df.Posts.str.extractall(
    r'(\#\w+)'
).reset_index().drop_duplicates(['level_0', 0])[0].value_counts()

更短的选择,其中将level = 0传递给reset_index

df.Posts.str.extractall(
    r'(\#\w+)'
).reset_index(level=0).drop_duplicates()[0].value_counts()

两者都将输出：

#tag1    3
#tag3    1
#tag2    1
Name: 0, dtype: int64