Python Pandas 按类别的关键字计数

df=pd.DataFrame({'Category':['Red','Red','Blue','Yellow','Blue'],'Text':['this is very good ','good','dont like','stop','dont like']})

from collections import Counter

top_N = 100


stopwords = nltk.corpus.stopwords.words('english')
# # RegEx for stopwords
RE_stopwords = r'\b(?:{})\b'.format('|'.join(stopwords))
# replace '|'-->' ' and drop all stopwords
words = (df.Text
           .str.lower()
           .replace([r'\|', RE_stopwords], [' ', ''], regex=True)
           .str.cat(sep=' ')
           .split()
)

# generate DF out of Counter
df_top_words = pd.DataFrame(Counter(words).most_common(top_N),
                    columns=['Word', 'Frequency']).set_index('Word')
print(df_top_words)

df["Text"] = (
    df["Text"]
    .str.lower()
    .replace([r'\|', RE_stopwords], [' ', ''], regex=True)
    .str.strip()
    # .str.cat(sep=' ')
    .str.split()  # Previously .split()
)

  Category          Text
0      Red        [good]
1      Red        [good]
2     Blue  [dont, like]
3   Yellow        [stop]
4     Blue  [dont, like]

df.explode("Text").groupby(["Category", "Text"]).size()

Category  Text
Blue      dont    2
          like    2
Red       good    2
Yellow    stop    1

Python相关问答推荐

有条件地采样我的大型DF的最有效方法

滚动和，句号来自Pandas列

Excel图表-使用openpyxl更改水平轴与Y轴相交的位置(Python)

Pandas - groupby字符串字段并按时间范围 Select

聚合具有重复元素的Python字典列表，并添加具有重复元素数量的新键

DataFrames与NaN的条件乘法

如何合并两个列表，并获得每个索引值最高的列表名称？

在Python 3中，如何让客户端打开一个套接字到服务器，发送一行JSON编码的数据，读回一行JSON编码的数据，然后继续？

以逻辑方式获取自己的pyproject.toml依赖项

如何检测鼠标/键盘的空闲时间，而不是其他输入设备？

如何创建引用列表并分配值的Systemrame列

干燥化与列姆化的比较

BeautifulSoup：超过24个字符(从a到z)的迭代失败：降低了首次深入了解数据集的复杂性：

Django Table—如果项目是唯一的，则单行

一个telegram 机器人应该发送一个测验如何做？""

提取数组每行的非零元素

在第一次调用时使用不同行为的re. sub的最佳方式

有没有一种方法可以在朗肯代理中集成向量嵌入

正在try 让Python读取特定的CSV文件

FileNotFoundError：[WinError 2]系统找不到指定的文件：在os.listdir中查找扩展名