如何在pandas数据集中构建一个短语包（和重写单词）

Question

这是我的数据集

I love you baby
I love stackoverflow
I have stackoverflow account

我想要什么

I Love        2
stackoverflow 2
you           1
baby          1
I             1 # the other two already on "I love"
...

我想要的是，如果在数据帧中不止一个单词出现在我的短语中

Answer 1

我确信大熊猫没有为这种情况准备好的工具。

您需要执行算法： 在这种情况下，我可以考虑这样的事情：

1. 将所有文本拆分为一个数组
2. 在每行的末尾添加唯一的单词（如：end_of_line_01，end_of_line_02等） 所以在它之后你有这样的数组：

  

我，爱，你，宝贝，end_of_line_01，我，爱，stackoverflow，   end_of_line_02，I，have，stackoverflow，account，end_of_line_03

1. 取前两个单词并在数组中搜索，如果这些单词以相同的顺序存在于数组中的任何其他位置。   一个。如果是，请保留多少时间的结果。并再试一次   湾如果不算第一个单词。 在此步骤结束时删除已采用的单词并将其添加到结果

2. 重复第3步

3. 删除您在最终结果中添加的所有唯一字词