Question

top_N = 100

words = review_tip['user_tip'].dropna()
words = words.astype(str)
words = words.str.replace('[{}]'.format(string.punctuation), '')
words = words.str.lower().apply(lambda x: ' '.join([word for word in x.split() if word not in (stopwords)]))

# replace '|'-->' ' and drop all stopwords
words = words.str.lower().replace([r'\|', RE_stopwords], [' ', ''], regex=True).str.cat(sep=' ').split()

# generate DF out of Counter
rslt = pd.DataFrame(Counter(words).most_common(top_N),
                    columns=['Word', 'Frequency']).set_index('Word')
print(rslt)
plt.clf()
# plot
rslt.plot.bar(rot=90, figsize=(16,10), width=0.8)
plt.show()
            Frequency
Word                 
great           17069

food            16381

good            12502

service         11342

place           10841

best             9280

get              7483

love             7042

amazing          5043

try              4945

time             4810

go               4594

dont             4377

正如你所看到的那些单词是单数的，这是我可以使用的东西，但它是否可以像两个可以一起使用的单词一样？

例如获取

不要去（这可能是100次）

而不是分开

不要100

去100

Answer 1

这会生成二元组，这就是你要找的东西：

bi_grams = zip(words, words[1:])

我生成的元组可以在柜台中使用，但您也可以轻松调整代码以使用' '.join((a, b))。

在计算单词频率时是否可以将两个单词加在一起？蟒蛇

1 个答案: