Question

df = pd.DataFrame({
'Name': ['Ann', 'Juh', 'Jeo', 'Sam'],
'Age': [43,29,42,59],
'Task1': ['drafting a letter', 'Sending', 'Pasting', 'Sending'],
'Task2': ['Sending', 'Packing', 'Sending', 'Pasting'],
'Task3': ['Packing', 'Letter Drafting', 'Packing', 'Letter Drafting']
})

在上面的字符串数据框中，我需要检查给定条件的出现。

condition = [“阅读”，“起草”，“包装书”，“分类”，“发送”，“计数”]

为此，我创建了一个新列，其中使用结合了Task1，Task2，Task3

df['NewTask'] = df[df.columns[2:]].apply(
lambda x: ','.join(x.dropna().astype(str)),
axis=1)

然后我应用了从

获得的逻辑

https://www.geeksforgeeks.org/sentence-that-contains-all-the-given-phrases/

我得到

Phrase1:count=0, plus the corresponding index values.
Phrase2:count=1 etc..

现在，我需要找到条件中给出的df中最常见的“出现句子”和最常见的“出现句子对”。上面给出的数据帧是一个示例。

我用来分别获取每个数的逻辑是

def getRes(sent, ph): 
sentHash = dict() 

# Loop for adding hased sentences to sentHash 
for s in range(1, len(sent)+1): 
    sentHash[s] = set(sent[s-1].split()) 

# For Each Phrase 
for p in range(0, len(ph)): 
    print("Phrase"+str(p + 1)+":") 

    # Get the list of Words 
    wordList = ph[p].split() 
    res = [] 

    # Then Check in every Sentence 
    for s in range(1, len(sentHash)+1): 
        wCount = len(wordList) 

        # Every word in the Phrase 
        for w in wordList: 
            if w in sentHash[s]: 
                wCount -= 1
                #wCount -= 1

        # If every word in phrase matches 
        if wCount == 0: 

        # add Sentence Index to result Array 
            res.append(s+1) 
    if(len(res) == 0): 
        print("NONE") 
    else: 
        print('% s' % ' '.join(map(str, res)))
def main(): 
sent = dff['NewTask']
condition = ["reading", "drafting a letter","Packing","pasting","Sending","counting"]
getRes(sent,condition) 


 main()`

Answer 1

要按条件生成行数，您可以过滤数据框以仅包含其中一项任务满足条件的行，然后对行求和。

condition2 = {}

for criteria in condition:
    condition2[criteria] = df.loc[(df['Task1'] == criteria) | (df['Task2'] == criteria) | (df['Task3'] == criteria)].shape[0]

如果您希望为此使用新列，则可以在该列中查看任务名称，尽管它的功能较差。

condition2 = {}
for criteria in condition:
    condition2[criteria] = df.loc[df['NewTask'].str.contains(criteria)].shape[0]

为了识别常见的任务对，一种方法是使用itertools模块创建任务的每种可能组合，然后计算包含这两个任务的行数。

import itertools
combinations = itertools.combinations(condition, 2)

然后您可以找到以与以前相同的方式执行这两项任务的行。

pairs = {}
for i in combinations:
    pairs[i] = df.loc[(df['NewTask'].str.contains(i[0]) )* (df['NewTask'].str.contains(i[1]) ) ].shape[0]

要返回最高的货币对，可以使用以下内容；

print(max(pairs, key=pairs.get), pairs[max(pairs, key=pairs.get)] )

如何从python 3的字符串数据框中找到最常出现的句子

1 个答案: