0

我正在尝试根据感兴趣的单词的子集来计算单词在 dict 列中存在的次数。

首先我导入我的数据

products = graphlab.SFrame('amazon_baby.gl/')
products['word_count'] = graphlab.text_analytics.count_words(products['review'])
products.head(5)

数据可以在这里找到：https ://drive.google.com/open?id=0BzbhZp-qIglxM3VSVWRsVFRhTWc

然后我创建我感兴趣的单词列表：

words = ['awesome', 'great', 'fantastic']

我想计算“单词”中每个单词在产品中出现的次数['word_count']。

我不喜欢使用graphlab。只是同事向我推荐的。

4

5 回答 5

1

好吧，我不太确定“在 dict 列中”是什么意思。如果是列表：

import operator
dictionary={'texts':['red blue blue','red black','blue white white','red','white','black','blue red']}
words=['red','white','blue']
freqs=dict()
for t in dictionary['texts']:
    for w in words:
        try:
             freqs[w]+=t.count(w)
        except:
            freqs[w]=t.count(w)
top_words = sorted(freqs.items(), key=operator.itemgetter(1),reverse=True)

如果它只是一个文本：

import operator
dictionary={'text':'red blue blue red black blue white white red white black blue red'}
words=['red','white','blue']
freqs=dict()
for w in words:
    try:
        freqs[w]+=dictionary['text'].count(w)
    except:
        freqs[w]=dictionary['text'].count(w)
top_words = sorted(freqs.items(), key=operator.itemgetter(1),reverse=True)
于 2016-06-04T13:27:30.003 回答
1

如果您坚持使用 graphlab（或 SFrame），请使用该SArray.dict_trim_by_keys方法。文档在这里：https ://dato.com/products/create/docs/generated/graphlab.SArray.dict_trim_by_keys.html

import graphlab as gl
sf = gl.SFrame({'review': ['what a good book', 'terrible book']})
sf['word_bag'] = gl.text_analytics.count_words(sf['review'])

keywords = ['good', 'book']
sf['key_words'] = sf['word_bag'].dict_trim_by_keys(keywords, exclude=False)
print sf

+------------------+---------------------+---------------------+
|      review      |       word_bag      |      key_words      |
+------------------+---------------------+---------------------+
| what a good book | {'a': 1, 'good':... | {'good': 1, 'boo... |
|  terrible book   | {'book': 1, 'ter... |     {'book': 1}     |
+------------------+---------------------+---------------------+ 
[2 rows x 3 columns]
于 2016-06-06T18:01:54.463 回答
1

如果要计算单词的出现次数，一种快速的方法是使用Counterobject fromcollections

例如 ：

In [3]: from collections import Counter
In [4]: c = Counter(['hello', 'world'])

In [5]: c
Out[5]: Counter({'hello': 1, 'world': 1})

你能显示你的products.head(5)命令的输出吗？

于 2016-06-04T14:14:56.327 回答
0 
def count_words(x, w):
    if w in x:
        return x.count(w)
    else:
        return 0   

selected_words = ['awesome', 'great', 'fantastic', 'amazing', 'love', 'horrible', 'bad', 'terrible', 'awful', 'wow', 'hate']

for words in selected_words:
    products[words]=products['review'].apply(lambda x:count_words(x,words))
于 2021-03-26T06:00:29.883 回答
0

您想将每个计数放在单独的列中吗？在这种情况下，这可能会起作用：

keywords = ['keyword1' , 'keyword2']

def word_counter(dict_cell , word):
if word in dict_cell:
    return dict_cell[word]
else:
    return 0

for words in keywords:
  df[words] = df['word_count'].apply(lambda x:word_counter(x,words))
于 2020-09-06T05:08:37.477 回答