Question

我试图通过词汇数来计算单词的频率：

vocabulary = {}

for word in lemmatizer_results:
  if word in vocabulary:
    vocabulary[word] += 1
  else:
    vocabulary[word] = 1

此后，我尝试通过以下方式将结果转换为DataFrame：

df = pd.DataFrame.from_dict(vocabulary, orient='index', columns=['word', 'frequency'])

如果字典的结构是这样的话，它会起作用：

vocabulary = {'word1': [3], 
              'word2': [34]}

但是我有这样的结构：

vocabulary = {'three': 1622,
 'elephant': 66,
 'power': 1070,
 'story': 667,
 'b': 65,
 'paterson': 1,}

您能帮我根据这些数据创建DF吗？谢谢！

Answer 1

 df = pd.DataFrame(data={'words':vocabulary.keys,'counts':vocabulary.values})

熊猫需要具有字典中每一列的数据。它认为您的键（单词）是列名。您需要为其指定列名称。您可以通过使用现有词典中的元素来构建新词典来实现此目的。

Answer 2

您非常亲密。使用orient='index'，字典键可转换为数据帧索引，而值可转换为数据。因此，您可以重命名索引，然后将其重置。

df = pd.DataFrame.from_dict(vocabulary, orient='index', columns=['frequency'])\
                 .rename_axis('word').reset_index()

print(df)

       word  frequency
0     three       1622
1  elephant         66
2     power       1070
3     story        667
4         b         65
5  paterson          1

如何使用非标准分隔符从词汇表创建DF？

2 个答案: