Python+pandas读取Excel文件并统计演员参演电影数量

Excel样本数据请参考Python读取Excel文件统计演员参演电影

>>> import pandas as pd >>> df = pd.read_excel('电影导演演员.xlsx') >>> df 电影名称 导演 演员 0 电影1 导演1 演员1，演员2，演员3，演员4 1 电影2 导演2 演员3，演员2，演员4，演员5 2 电影3 导演3 演员1，演员5，演员3，演员6 3 电影4 导演1 演员1，演员4，演员3，演员7 4 电影5 导演2 演员1，演员2，演员3，演员8 5 电影6 导演3 演员5，演员7，演员3，演员9 6 电影7 导演4 演员1，演员4，演员6，演员7 7 电影8 导演1 演员1，演员4，演员3，演员8 8 电影9 导演2 演员5，演员4，演员3，演员9 9 电影10 导演3 演员1，演员4，演员5，演员10 10 电影11 导演1 演员1，演员4，演员3，演员11 11 电影12 导演2 演员7，演员4，演员9，演员12 12 电影13 导演3 演员1，演员7，演员3，演员13 13 电影14 导演4 演员10，演员4，演员9，演员14 14 电影15 导演5 演员1，演员8，演员11，演员15 15 电影16 导演6 演员14，演员4，演员13，演员16 >>> pairs = [] >>> for i in range(len(df)): actors = df.at[i, '演员'].split('，') for actor in actors: pair = (actor, df.at[i, '电影名称']) pairs.append(pair)

>>> pairs = sorted(pairs, key=lambda item:int(item[0][2:])) >>> pairs [('演员1', '电影1'), ('演员1', '电影3'), ('演员1', '电影4'), ('演员1', '电影5'), ('演员1', '电影7'), ('演员1', '电影8'), ('演员1', '电影10'), ('演员1', '电影11'), ('演员1', '电影13'), ('演员1', '电影15'), ('演员2', '电影1'), ('演员2', '电影2'), ('演员2', '电影5'), ('演员3', '电影1'), ('演员3', '电影2'), ('演员3', '电影3'), ('演员3', '电影4'), ('演员3', '电影5'), ('演员3', '电影6'), ('演员3', '电影8'), ('演员3', '电影9'), ('演员3', '电影11'), ('演员3', '电影13'), ('演员4', '电影1'), ('演员4', '电影2'), ('演员4', '电影4'), ('演员4', '电影7'), ('演员4', '电影8'), ('演员4', '电影9'), ('演员4', '电影10'), ('演员4', '电影11'), ('演员4', '电影12'), ('演员4', '电影14'), ('演员4', '电影16'), ('演员5', '电影2'), ('演员5', '电影3'), ('演员5', '电影6'), ('演员5', '电影9'), ('演员5', '电影10'), ('演员6', '电影3'), ('演员6', '电影7'), ('演员7', '电影4'), ('演员7', '电影6'), ('演员7', '电影7'), ('演员7', '电影12'), ('演员7', '电影13'), ('演员8', '电影5'), ('演员8', '电影8'), ('演员8', '电影15'), ('演员9', '电影6'), ('演员9', '电影9'), ('演员9', '电影12'), ('演员9', '电影14'), ('演员10', '电影10'), ('演员10', '电影14'), ('演员11', '电影11'), ('演员11', '电影15'), ('演员12', '电影12'), ('演员13', '电影13'), ('演员13', '电影16'), ('演员14', '电影14'), ('演员14', '电影16'), ('演员15', '电影15'), ('演员16', '电影16')] >>> index = [item[0] for item in pairs] >>> data = [item[1] for item in pairs] >>> df1 = pd.DataFrame({'演员':index, '电影名称':data}) >>> result = df1.groupby('演员', as_index=False).count() >>> result 演员 电影名称 0 演员1 10 1 演员10 2 2 演员11 2 3 演员12 1 4 演员13 2 5 演员14 2 6 演员15 1 7 演员16 1 8 演员2 3 9 演员3 10 10 演员4 11 11 演员5 5 12 演员6 2 13 演员7 5 14 演员8 3 15 演员9 4 >>> result.columns = ['演员', '参演电影数量'] >>> result 演员 参演电影数量 0 演员1 10 1 演员10 2 2 演员11 2 3 演员12 1 4 演员13 2 5 演员14 2 6 演员15 1 7 演员16 1 8 演员2 3 9 演员3 10 10 演员4 11 11 演员5 5 12 演员6 2 13 演员7 5 14 演员8 3 15 演员9 4 >>> result.sort_values('参演电影数量') 演员 参演电影数量 3 演员12 1 6 演员15 1 7 演员16 1 1 演员10 2 2 演员11 2 4 演员13 2 5 演员14 2 12 演员6 2 8 演员2 3 14 演员8 3 15 演员9 4 11 演员5 5 13 演员7 5 0 演员1 10 9 演员3 10 10 演员4 11