我对以下数据（来自 pandas 数据框）遇到一些困难：Text0 Selected moments from Fifa game t...1 What I learned is that I am ...3 Bill Gates kept telling us it was comi...5 scenario created a month before the...... ...1899 Events for May 19 – October 7 - October CTOvision.com1900 Office of Event Services and Campus Center Ope...1901 How the CARES Act May Affect Gift Planning in ...1902 City of Rohnert Park: Home1903 iHeartMedia, Inc.我需要提取每行的唯一单词数（删除标点符号后）。因此，例如：Unique0 61 63 85 6... ...1899 81900 81901 9 1902 51903 2我尝试按如下方式进行：df["Unique"]=df['Text'].str.lower()df["Unique"]==Counter(word_tokenize('\n'.join( file["Unique"])))但我没有得到任何计数，只有一个单词列表（没有它们在该行中的频率）。你能告诉我出了什么问题吗？
3 回答
饮歌长啸
TA贡献1951条经验 获得超3个赞
如果不需要计数，请先删除所有标点符号。杠杆套。str.split.map(set)会给你一套。计算后面集合中的元素。集合不采用多个唯一元素。
链式
df['Text'].str.replace(r'[^\w\s]+', '').str.split().map(set).str.len()
逐步
df[Text]=df['Text'].str.replace(r'[^\w\s]+', '') df['New Text']=df.Text.str.split().map(set).str.len()
GCT1015
TA贡献1827条经验 获得超4个赞
所以，我只是根据评论更新这一点。该解决方案还考虑了标点符号。
df['Unique'] = df['Text'].apply(lambda x: x.translate(str.maketrans('', '', string.punctuation)).strip()).str.split(' ').apply(len)
有只小跳蛙
TA贡献1824条经验 获得超8个赞
尝试这个
from collections import Counter
dict = {'A': {0:'John', 1:'Bob'},
'Desc': {0:'Bill ,Gates Started Microsoft at 18 Bill', 1:'Bill Gates, Again .Bill Gates and Larry Ellison'}}
df = pd.DataFrame(dict)
df['Desc']=df['Desc'].str.replace(r'[^\w\s]+', '')
print(df.loc[:,"Desc"])
print(Counter(" ".join(df.loc[0:0,"Desc"]).split(" ")).items())
print(len(Counter(" ".join(df.loc[0:0,"Desc"]).split(" ")).items()))
添加回答
举报
0/150
提交
取消