我有一个产品评论数据集。我想对单词进行计数，而不是对所有单词进行计数，而是想对某些特定单词（例如``惊人''，``伟大''，``爱''等）进行计数并放入现在我们的目标是创建一列product ['awesome']，其中每一行都包含相应产品在评论中出现“ awesome”一词的次数。我们将使用.apply（）方法可对“ word_count”列的每一行重复上述逻辑。
首先，我们必须使用Python函数定义上述逻辑。我们必须编写一个名为awesome_count的函数，该函数接受字数统计并返回“ awesome”出现在评论中的次数。
接下来，我们必须使用.apply（）对“ word_count”的每一行进行awesome_count迭代，并使用结果计数创建一个名为“ awesome”的新列。看起来像这样： 产品['awesome'] =产品['word_count']。apply（awesome_count）
任何人都可以帮助我解决上述问题的代码需求。 预先感谢。
答案 0 :(得分：0)
好的，我撒了谎；对于通过语料库独立获取词频的情况，我们可以将pandas和numpy相结合，如下所示：
word_A = np.array(df.series.str.findall('word'))
getlength = np.vectorize(len)
getlength(word_A)
幕后真相：
LINE1
pd.series.str将系列转换为字符串； str.finall()返回与列表元素匹配的所有“ pattern” 出现（findall是一个re函数）；由于我们输入的是字符串，因此每次匹配时都会一遍又一遍地返回该字符串。结果将是X个列表元素，其中X是您搜索的文档数量，每个元素中单词的Y个字符串，其中Y是该文档中每次匹配时字符串的副本； 例如，如果您有3个文档，并且每个文档的“ word”都匹配以下内容：1、2、4，则列表将如下所示：
[['word'], ['word', 'word'], ['word', 'word', 'word', 'word']]
np.array()将列表转换为数组（因此我们可以将其向量化）；
array([list(['word']), list(['word', 'word']), list(['word', 'word', 'word', 'word'])], dtype=object)
LINE2
np.vectorize()使我们通过的函数成为 向量化函数 （将其用于numpy广播）； LINE3
在第3行中调用向量化函数（在这种情况下为len（））时，它将遍历每个数组元素并应用该函数。结果是一个索引与初始文档系列匹配的数组，但包含搜索项的整数。例如：
array([ 1, 2, 4])
注意： 我仍然建议您走slightly更长的路线-至少在进行频率统计之前对数据进行预处理。
希望这会有所帮助！
您想要多少个单词，您的数据集有多大？
如果您的计算机可以处理，则可以使用Sklearn的CountVectorizer将语料库转换成密集的“文档行”矩阵（文档x单词），其中每个值都是该文档中单词的频率。
从那里，您可以使用文档索引查询相对于其类别的文档，并获得所有单词的总计数。
这种方法在计算上更加严格，将需要更长的计算时间，但是如果您要从频率中获取大量的EDA，则最好是将数据存储在矩阵/帧中，如果可以存储的话。
如果您只做几个单词而又不希望做太多分析，那么每次找到单词时，我们都可以使用NumPy数组返回文档的索引位置，然后对所有返回值求和（即您搜索的文档中的词频）。
理想情况下，在汇总单词频率以及我们不希望对数据进行预处理之前（即删除非单词字符，小写，记号化，词义化等），这样可以更好地收集“特征”，即单词。 “这太神奇了！”，“我很惊讶”和“她让我惊讶”。尽管它们都以类似的方式使用，但都返回了不同的“令牌”或“惊奇”功能。
如果我们不需要进行预处理并且不需要进行很多观察或数据操作，那么我们可以进行快速排列以捕获单词。您可能仍想手动更改单词（“ Amazing-> amaz”等），将其小写并标记文档字符串。
另一种方法是将regex和.apply（）与用户函数一起使用，该函数将re.findall（）的返回值附加到列表中；但这在计算上效率低下，因此实际上只适合处理少于500,000个文档中的少数单词；甚至需要花费几分钟的时间，具体取决于您的处理能力。
或者您可以使用listcomp将值直接设置为单元格位置。
抱歉，我不在电脑旁；我会稍后再检查并添加一些代码。请让我进一步了解您的数据集大小。谢谢！