Question

我有一个大文件/单词对保存如下：

This/DT gene/NN called/VBN gametocide/NN

现在我想将这些对放入一个DataFrame，其计数如下：

      DT | NN --
This|  1   0
Gene|  0   1
 :

我尝试使用dict计算对，然后将其放入DataFrame：

file = open("data.txt", "r")

train = file.read()
words = train.split()

data = defaultdict(int)
for i in words:
    data[i] += 1

matrixB = pd.DataFrame()

for elem, count in data.items():
    word, tag = elem.split('/')
    matrixB.loc[tag, word] = count

但这需要很长时间（文件有300000个）。有更快的方法吗？

Answer 1

your other question的答案有什么问题？

from collections import Counter

with open('data.txt') as f:
    train = f.read()
c = Counter(tuple(x.split('/')) for x in train.split())
s = pd.Series(c)
df = s.unstack().fillna(0)

print(df)

产量

            DT  NN  VBN
This         1   0    0
called       0   0    1
gametocide   0   1    0
gene         0   1    0

Answer 2

我认为这个问题非常相似......你为什么要发两次？

from collection import Counter

text =  "This/DT gene/NN called/VBN gametocide/NN"

>>> pd.Series(Counter(tuple(pair.split('/')) for pair in text.split())).unstack().fillna(0)

            DT  NN  VBN
This         1   0    0
called       0   0    1
gametocide   0   1    0
gene         0   1    0

从对创建pandas数据帧的快速方法

2 个答案: