- android - 多次调用 OnPrimaryClipChangedListener
- android - 无法更新 RecyclerView 中的 TextView 字段
- android.database.CursorIndexOutOfBoundsException : Index 0 requested, 光标大小为 0
- android - 使用 AppCompat 时,我们是否需要明确指定其 UI 组件(Spinner、EditText)颜色
字数和累计总和
我有一个最多 150 万行的数据集。该数据集是一个时间序列,格式为年份,如下所示。我正在尝试以累积格式计算每年的字符串数。下面的例子:
lodgement_year trademark_text
1906 PEPS
1906 BILE BEANS FOR BILIOUSNESS B
1906 ZAM-BUK Z
lodgement_year
1906 {PEPS BILE BEANS FOR BILIOUSNESS B ZAM-BUK Z Z...
1907 {WHS CHERUB BLACK & WHITE SOUTHERN CROSS HISTO...
作为初始任务,我对字符串进行了分组,然后使用 xxx 在此论坛中发布的代码在全年中应用了一个循环。当循环工作时,紧接着会出现以下消息:
The code :
d = df_merge.groupby('lodgement_year')['trademark_text'].apply(lambda x: "{%s}" % ' '.join(x))
for name in d.index:
data = d.loc[name]
ngram_vectorizer = CountVectorizer(analyzer='word',tokenizer=word_tokenize, ngram_range=(1, 1), min_df=1)
X = ngram_vectorizer.fit_transform(data.split('\n'))
vocab = list(ngram_vectorizer.get_feature_names())
counts = X.sum(axis=0).A1
freq_distribution = Counter(dict(zip(vocab, counts)))
print (name, freq_distribution.most_common(10))
错误信息:
回溯(最近一次调用最后一次):
文件“/Users/PycharmProjects/Slice_Time_Series”,第 65 行,位于 X = ngram_vectorizer.fit_transform(data.split('\n'))
文件“/Users/anaconda3/lib/python3.6/site-packages/pandas/core/generic.py”,第 3081 行,getattr 返回对象。getattribute(self, name)AttributeError:“Series”对象没有属性“split”
错误发生之前有效的输出:
1906 [('.', 24), ("'s", 22), ('star', 18), ('&', 15), ('kodak', 12), ('co', 9), ('the', 9), ('brand', 8), ('express', 8), ('anchor', 6)]
1907 [('&', 11), ("'s", 11), ('brand', 11), ('pinnacle', 7), ('vaseline', 7), ('the', 6), ('.', 5), ('co.', 5), ('kepler', 5), ('lucas', 5)]
任何帮助将不胜感激。作为下一个任务,我尝试创建一个系列,该系列是 1906 年、1906 年加上 1907 年、然后 1906+1907+1908 的总和,我还不知道该怎么做,任何指导也很棒。
伊恩
最佳答案
您可以首先根据 lodgement 变量对 DF 进行分组,然后迭代名称-组对,再进行一次分组,最后加入结果。
import pandas as pd
from collections import Counter
df = pd.DataFrame({'lodg':[1,2,1,3,1,2,2,3,1,1],
'text':['x y z','y y','x y','z x','y x','y y z','x z','x x','x x','y z']})
grouped = df.groupby('lodg')
joined = []
for name, group in grouped:
texts = " ".join(group['text'])
groupCounts = Counter(texts.split(" ")).items()
joined.append([name, [texts], groupCounts])
groupedJoined = pd.DataFrame(joined, columns = ['lodg','texts','textCounts'])
结果:
In [16]: groupedJoined
Out[16]:
lodg texts textCounts
0 1 [x y z x y y x x x y z] [(y, 4), (x, 5), (z, 2)]
1 2 [y y y y z x z] [(y, 4), (x, 1), (z, 2)]
2 3 [z x x x] [(x, 3), (z, 1)]
在显式求解之后,花了一点时间才得出 1 线性 lambda 解。
两个 Lambda:
df.groupby('lodg')['text'].apply(lambda x: "%s" % ' '.join(x)).apply(lambda x: Counter(x.split(" ")).items())
单个 Lambda:
df.groupby('lodg')['text'].apply(lambda x: Counter((' '.join(x)).split(" ")).items())
两者产生相同的结果:
Out[62]:
lodg
1 [(y, 4), (x, 5), (z, 2)]
2 [(y, 4), (x, 1), (z, 2)]
3 [(x, 3), (z, 1)]
Name: text, dtype: object
现在,如果您不想处理未命名的列(实际上称为索引),请将结果命名为 res
,然后执行 res.reset_index()
来得到这个:
In [68]: res.reset_index()
Out[68]:
lodg text
0 1 [(y, 4), (x, 5), (z, 2)]
1 2 [(y, 4), (x, 1), (z, 2)]
2 3 [(x, 3), (z, 1)]
这应该更容易使用。
关于python - 使用 groupby 进行字数统计然后使用 python 循环时出现问题,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/47976858/
我是 PHP 新手。我一直在脚本中使用 for 循环、while 循环、foreach 循环。我想知道 哪个性能更好? 选择循环的标准是什么? 当我们在另一个循环中循环时应该使用哪个? 我一直想知道要
我在高中的编程课上,我的作业是制作一个基本的小计和顶级计算器,但我在一家餐馆工作,所以制作一个只能让你在一种食物中读到。因此,我尝试让它能够接收多种食品并将它们添加到一个价格变量中。抱歉,如果某些代码
这是我正在学习的一本教科书。 var ingredients = ["eggs", "milk", "flour", "sugar", "baking soda", "baking powder",
我正在从字符串中提取数字并将其传递给函数。我想给它加 1,然后返回字符串,同时保留前导零。我可以使用 while 循环来完成此操作,但不能使用 for 循环。 for 循环只是跳过零。 var add
编辑:我已经在程序的输出中进行了编辑。 该程序要求估计给定值 mu。用户给出一个值 mu,同时还提供了四个不等于 1 的不同数字(称为 w、x、y、z)。然后,程序尝试使用 de Jaeger 公式找
我正在编写一个算法,该算法对一个整数数组从末尾到开头执行一个大循环,其中包含一个 if 条件。第一次条件为假时,循环可以终止。 因此,对于 for 循环,如果条件为假,它会继续迭代并进行简单的变量更改
现在我已经习惯了在内存非常有限的情况下进行编程,但我没有答案的一个问题是:哪个内存效率更高;- for(;;) 或 while() ?还是它们可以平等互换?如果有的话,还要对效率问题发表评论! 最佳答
这个问题已经有答案了: How do I compare strings in Java? (23 个回答) 已关闭 8 年前。 我正在尝试创建一个小程序,我可以在其中读取该程序的单词。如果单词有 6
这个问题在这里已经有了答案: python : list index out of range error while iteratively popping elements (12 个答案) 关
我正在尝试向用户请求 4 到 10 之间的整数。如果他们回答超出该范围,它将进入循环。当用户第一次正确输入数字时,它不会中断并继续执行 else 语句。如果用户在 else 语句中正确输入数字,它将正
我尝试创建一个带有嵌套 foreach 循环的列表。第一个循环是循环一些数字,第二个循环是循环日期。我想给一个日期写一个数字。所以还有另一个功能来检查它。但结果是数字多次写入日期。 Out 是这样的:
我想要做的事情是使用循环创建一个数组,然后在另一个类中调用该数组,这不会做,也可能永远不会做。解决这个问题最好的方法是什么?我已经寻找了所有解决方案,但它们无法编译。感谢您的帮助。 import ja
我尝试创建一个带有嵌套 foreach 循环的列表。第一个循环是循环一些数字,第二个循环是循环日期。我想给一个日期写一个数字。所以还有另一个功能来检查它。但结果是数字多次写入日期。 Out 是这样的:
我正在模拟一家快餐店三个多小时。这三个小时分为 18 个间隔,每个间隔 600 秒。每个间隔都会输出有关这 600 秒内发生的情况的统计信息。 我原来的结构是这样的: int i; for (i=0;
这个问题已经有答案了: IE8 for...in enumerator (3 个回答) How do I check if an object has a specific property in J
哪个对性能更好?这可能与其他编程语言不一致,所以如果它们不同,或者如果你能用你对特定语言的知识回答我的问题,请解释。 我将使用 c++ 作为示例,但我想知道它在 java、c 或任何其他主流语言中的工
这个问题不太可能帮助任何 future 的访问者;它只与一个小的地理区域、一个特定的时间点或一个非常狭窄的情况有关,这些情况并不普遍适用于互联网的全局受众。为了帮助使这个问题更广泛地适用,visit
我是 C 编程和编写代码的新手,以确定 M 测试用例的质因数分解。如果我一次只扫描一次,该功能本身就可以工作,但是当我尝试执行 M 次时却惨遭失败。 我不知道为什么 scanf() 循环有问题。 in
这个问题已经有答案了: JavaScript by reference vs. by value [duplicate] (4 个回答) 已关闭 3 年前。 我在使用 TSlint 时遇到问题,并且理
我尝试在下面的代码中添加 foreach 或 for 循环,以便为 Charts.js 创建多个数据集。这将允许我在此折线图上创建多条线。 我有一个 PHP 对象,我可以对其进行编码以稍后填充变量,但
我是一名优秀的程序员,十分优秀!