Pandas使用groupby按词性分组统计高频词的实现方法

你原来的写法返回的是多级索引的Series，没有转成你需要的字典结构，只需要加一步to_dict()转换即可，完整代码如下：

import pandas as pd

# 你的示例数据
df = pd.DataFrame({
    'Parts of speech': ['Noun', 'Noun', 'Noun', 'verb', 'verb', 'adj'],
    'word': ['cat', 'water', 'cat', 'draw', 'draw', 'slow']
})

# 实现统计
df2 = df.groupby('Parts of speech')['word']\
        .apply(lambda x: x.value_counts().to_dict())\
        .reset_index(name='top')

运行后输出df2就完全符合你的预期格式：

Parts of speech                  top
0             Noun  {'cat': 2, 'water': 1}
1              adj           {'slow': 1}
2             verb           {'draw': 2}

如果不需要保留DataFrame结构，只需要得到词性对应词频字典的映射，也可以直接转成字典使用：

pos_count_dict = df.groupby('Parts of speech')['word'].apply(lambda x: x.value_counts().to_dict()).to_dict()

内容的提问来源于stack exchange，提问作者Rory