我正在嘗試計算數據框“文本”列中主題標簽詞的頻率。index text1 ello ello ello ello #hello #ello2 red green blue black #colours3 Season greetings #hello #goodbye 4 morning #goodMorning #hello5 my favourite animal #dogword_freq = df.text.str.split(expand=True).stack().value_counts()上面的代碼將對文本列中的所有字符串執行頻率計數，但我只是返回標簽頻率。例如，在我上面的數據框上運行代碼后，它應該返回#hello 3#goodbye 1#goodMorning 1#ello 1#colours 1#dog 1有沒有一種方法可以稍微重新調整我的 word_freq 代碼，以便它只計算標簽詞并按照我上面的方式返回它們？提前致謝。
3 回答
慕妹3146593
TA貢獻1820條經驗 獲得超9個贊
Series.str.findall在列上使用text查找所有主題標簽詞，然后使用Series.explode+?Series.value_counts：
counts?=?df['text'].str.findall(r'(#\w+)').explode().value_counts()
Series.str.split使用+的另一個想法DataFrame.stack：
s?=?df['text'].str.split(expand=True).stack()
counts?=?s[lambda?x:?x.str.startswith('#')].value_counts()結果：
print(counts)
#hello? ? ? ? ? 3
#dog? ? ? ? ? ? 1
#colours? ? ? ? 1
#ello? ? ? ? ? ?1
#goodMorning? ? 1
#goodbye? ? ? ? 1
Name: text, dtype: int64
aluckdog
TA貢獻1847條經驗 獲得超7個贊
使用它的一種方法是從結果中str.extractall刪除。#那么value_counts也
s = df['text'].str.extractall('(?<=#)(\w*)')[0].value_counts()
print(s)
hello? ? ? ? ? 3
colours? ? ? ? 1
goodbye? ? ? ? 1
ello? ? ? ? ? ?1
goodMorning? ? 1
dog? ? ? ? ? ? 1
Name: 0, dtype: int64
守候你守候我
TA貢獻1802條經驗 獲得超10個贊
一個稍微詳細的解決方案，但這可以解決問題。
dictionary_count=data_100.TicketDescription.str.split(expand=True).stack().value_counts().to_dict()
dictionary_count={'accessgtgtjust': 1,
'sent': 1,
'investigate': 1,
'edit': 1,
'#prd': 1,
'getting': 1}
ert=[i for i in list(dictionary_count.keys()) if '#' in i]
ert
Out[238]: ['#prd']
unwanted = set(dictionary_count.keys()) - set(ert)
for unwanted_key in unwanted:
del dictionary_count[unwanted_key]
dictionary_count
Out[241]: {'#prd': 1}
添加回答
舉報
0/150
提交
取消