Question

我有一个数据框，其中包含几个包含字符串值的列。在这些列上计算TF-IDF会返回一个数组列表，我可以将其映射回数据帧，但现在值是数组（类似于多值），这使得进一步计算变得非常困难。

我希望将这些数组列表映射到它们的功能（有点像扩展的数据帧），我可以将它直接放在原始数据帧中。

我如何实现这一目标？

示例数据：

print(d1['Keywords']) 1 APS17P, auditing standards, attestation standa... 2 APS17P, auditing standards, attestation standa... 3 AAMAAM17P, SAS No. 131, SAS No. 132, CPE, Audi... 4 AAMAAM17P, SAS No. 131, SAS No. 132, CPE, Audi... 5 APT13PHI, AICPA Professional Standards, Techni... 6 005184wz, 005184, 005186HI, 005187HI, 005188HI... 7 PAOCBOA, Special purpose framework, SPF, finan... 8 PAOCBOA, Special purpose framework, SPF, finan... 9 PAOCBOA, Special purpose framework, SPF, finan... 10 ATTNPO, Not-for-profit financial statements, N... 11 ATTNPO, Not-for-profit financial statements, N...

Answer 1

这是你需要做的：

from sklearn.feature_extraction.text import TfidfVectorizer 
v = TfidfVectorizer() 
# 1. Apply tfidf on your data 
x = v.fit_transform(df['keywords'])   
# 2. convert results of tfidf to a dataframe 
df1 = pd.DataFrame(x.toarray(), columns=v.get_feature_names())
# 3. concatenate the tfidf dataframe to the original one 
res = pd.concat([df, df1], axis=1)

有关详细的执行说明，请在此处查看我的答案：Append tfidf to pandas dataframe

如何将映射到每个要素的tf-idf值提取回数据帧？

1 个答案: