计算原始文件中的词频并映射它们

Question

我正在尝试使用修改版的计数向量化器来适应系列。然后我得到单元格中值的所有计数的总和。例如：这是我在其上安装计数矢量化器的系列。

["dog cat mouse", " cat mouse", "mouse mouse cat"]

最终结果应该类似于：

[1+3+4, 3+4, 4+4+3]

我试过使用 Counter 但它在这种情况下并没有真正起作用。到目前为止，我只成功地获得了一个稀疏矩阵，但打印出了单元格中元素的总数。但是我想将计数映射到整个系列。

Answer 1

计数器列表的项目只能以字符串的形式存储，以后可以使用eval()

对字符串进行评估

代码：

lst = ["dog cat mouse", " cat mouse", "mouse mouse cat"]
res = {}
res2 = []
for i in lst:
    for j in i.split(' '):
        if j not in res.keys():
            res[j] = 1
        else:
            res[j] += 1

for i in lst:
    res2.append('+'.join([str(res[j]) for j in i.split(' ')]))

print(res2)

结果 (res2) 应该像 ['1+3+4', '3+4', '4+4+3']

我想这就是你想要的...

计算原始文件中的词频并映射它们

Counting word frequency in original file and mapping them

python

counter

numpy

pandas

countvectorizer