Question

我正在尝试这样计算pandas DataFrame中关键字的数量：

df = pd.read_csv('amazon_baby.csv')
selected_words = ['awesome', 'great', 'fantastic', 'amazing', 'love', 'horrible', 'bad', 'terrible', 'awful', 'wow', 'hate']

selected_words必须从系列中计数：df ['review']

我尝试过

def word_counter(sent):
a={}
for word in selected_words:
    a[word] = sent.count(word)
return a

然后

df['totalwords'] = df.review.str.split()
df['word_count'] = df.totalwords.apply(word_counter)

----------------------------------------------------------------------------
----> 1 df['word_count'] = df.totalwords.apply(word_counter)

c:\users\admin\appdata\local\programs\python\python36\lib\site-packages\pandas\core\series.py in apply(self, func, convert_dtype, args, **kwds)
   3192             else:
   3193                 values = self.astype(object).values
-> 3194                 mapped = lib.map_infer(values, f, convert=convert_dtype)
   3195 
   3196         if len(mapped) and isinstance(mapped[0], Series):

pandas/_libs/src\inference.pyx in pandas._libs.lib.map_infer()

<ipython-input-51-cd11c5eb1f40> in word_counter(sent)
  2     a={}
  3     for word in selected_words:
----> 4         a[word] = sent.count(word)
  5     return a

AttributeError: 'float' object has no attribute 'count'

有人可以帮助..吗？我猜这是因为该系列中的某些故障值不是字符串。。

有人尝试提供帮助，但问题是DataFrame中的单个单元格中包含句子。

我需要提取选定单词的数量，最好是字典形式，并将它们存储在具有相应行的同一dataFrame中的新列中。

Data in csv format

Answer 1

假设您的数据框看起来像这样，

df=pd.DataFrame({'A': ['awesome', 'great', 'fantastic', 'amazing', 'love', 'horrible', 'bad', 'terrible', 'awful', 'wow', 'hate','great', 'fantastic', 'amazing', 'love', 'horrible']})
print(df)
    A
0   awesome
1   great
2   fantastic
3   amazing
4   love
5   horrible
6   bad
7   terrible
8   awful
9   wow
10  hate
11  great
12  fantastic
13  amazing
14  love
15  horrible

selected_words=['awesome','great','fantastic']

df.loc[df['A'].isin(selected_words),'A'].value_counts()
[out]
great        2
fantastic    2
awesome      1
Name: A, dtype: int64

Answer 2

使用list.count的值在循环中重复list可以工作，尽管效率很低。复杂度为O（ m x n ），其中 m 是所选值的数量， n 是值的总数。

使用Pandas，您可以使用优化的方法来确保O（ n ）的复杂性。在这种情况下，您可以使用value_counts，然后使用reindex：

res = df['A'].value_counts().reindex(selected_words)

print(res)

awesome      1
great        2
fantastic    2
Name: A, dtype: int64

或者，根据@pyd's solution，先过滤，然后再使用value_counts。这两种解决方案都将具有O（ n ）复杂度。

Answer 3

在您的问题中，您似乎正在实施一项计数法。 @pyd发布了一个很好的计数解决方案。产生的结果不是命令。如果您正在寻找字典作为输出，请查看下面发布的这段代码，它基本上是pyd提供的解决方案的扩展。

df=pd.DataFrame({'A': ['awesome', 'great', 'fantastic', 'amazing', 'love', 'horrible', 'bad', 'terrible', 'awful', 'wow', 'hate','great', 'fantastic', 'amazing', 'love', 'horrible']})

def get_count_dict(data, selected_words):

    count_dict = {}

    counts = data.loc[data['A'].isin(selected_words), 'A'].value_counts()

    for i in range(len(counts.index.tolist())):
        count_dict[counts.index.tolist()[i]] = counts[i]

    return count_dict

selected_words=['awesome','great','fantastic']

get_count_dict(df, selected_words)

Output : {'fantastic': 2, 'great': 2, 'awesome': 1}

如何计算熊猫系列中的特定单词？

3 个答案: