Question

我想计算一个数据帧中单词的出现频率。这是我要实现的目标的一个示例。

words = ['Dungeon',
'Crawling',
'Puzzle',
'RPG',]

desc = 
0       [Dungeon, count, game, kid, draw, toddler, Unique]
1       [Beautiful, simple, music, application, toddle]
2       [Fun, intuitive, number, game, baby, toddler]

请注意，desc是1690行的熊猫数据框。

现在我想检查words[i] in desc 我不想嵌套for循环，所以做了一个函数，只是检查单词是否在desc中，然后对每一行使用apply()，然后使用sum。

我得到的功能是：

def tmp(word, desc):
    return (word in desc)

但是，当我使用以下代码：desc.apply(tmp, args = words[0])时，出现错误消息：tmp() takes 2 positional arguments but 8 were given。但是，当我手动将其与值tmp(words[0], desc[0])配合使用时，它就可以正常工作。...

Answer 1

如果要避免循环，请将DataFrame构造函数与DataFrame.isin一起使用，并将计数True的值使用sum：

s = pd.DataFrame(desc.tolist()).isin(words).sum(axis=1)
print(s)
0    1
1    0
2    0
dtype: int64

计算一个值存在多少行

1 个答案: