我需要字符的共现数据框

Question

import pandas as pd

corpus = pd.DataFrame([[1, 'A B C A D B A'], [2, 'B A B B C B A']], columns=['id',
                      'sequence'])
corpus

预期输出

    A B C D
1   3 2 1 1
2   2 4 1 0

我有一个如上所示的数据框。我需要计算每个字符的共现。

Answer 1

您可以 split 字符串 explode，并计算每组的值：

(corpus.set_index('id')['sequence']
       .str.split(' ')
       .explode()
       .groupby(level='id').value_counts()
       .unstack(level='sequence', fill_value=0)
)

输出：

sequence  A  B  C  D
id                  
1         3  2  1  1
2         2  4  1  0

Answer 2

尝试 split 然后 explode 和 str.get_dummies

out = corpus.set_index('id').sequence.str.split(' ').explode().str.get_dummies().groupby(level=0).sum()
   A  B  C  D
1  3  2  1  1
2  2  4  1  0

我需要字符的共现数据框

I need co-occurrence dataframe of characters

python

embedding

dataframe

pandas