Question

数据框中的一列采用以下格式

Row 1 : 
Counter({'First': 3, 'record': 2})
Row 2 : 
Counter({'Second': 2, 'record': 1}).

我想创建一个具有以下值的新列：

Row 1 :
First First First record record
Row 2 : 
Second Second record

Answer 1

将apply与counter的迭代值一起使用，并与空格连接-首先是重复的值，然后是：

import ast

#convert values to dictionaries
df['col'] = df['col'].str.extract('\((.+)\)', expand=False).apply(ast.literal_eval)

df['new'] = df['col'].apply(lambda x: ' '.join(' '.join([k] * v) for k, v in x.items()))
print (df)
                          col                              new
0   {'First': 3, 'record': 2}  First First First record record
1  {'Second': 2, 'record': 1}             Second Second record

或列表理解：

df['new'] = [' '.join(' '.join([k] * v) for k, v in x.items()) for x in df['col']]

Answer 2

我可以通过以下代码自己解决问题。它与正则表达式非常相关。

def transform_word_count(text):
    words = re.findall(r'\'(.+?)\'',text)
    n = re.findall(r"[0-9]",text)
    result = []
    for i in range(len(words)):
        for j in range(int(n[i])):
            result.append(words[i])
    return result

df['new'] = df.apply(lambda row: transform_word_count(row['old']), axis=1)

如何访问存储为数据框中列的集合计数器的元素以在CountVectorizer中使用

2 个答案: