- 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/
SQLite、Content provider 和 Shared Preference 之间的所有已知区别。 但我想知道什么时候需要根据情况使用 SQLite 或 Content Provider 或
警告:我正在使用一个我无法完全控制的后端,所以我正在努力解决 Backbone 中的一些注意事项,这些注意事项可能在其他地方更好地解决......不幸的是,我别无选择,只能在这里处理它们! 所以,我的
我一整天都在挣扎。我的预输入搜索表达式与远程 json 数据完美配合。但是当我尝试使用相同的 json 数据作为预取数据时,建议为空。点击第一个标志后,我收到预定义消息“无法找到任何内容...”,结果
我正在制作一个模拟 NHL 选秀彩票的程序,其中屏幕右侧应该有一个 JTextField,并且在左侧绘制弹跳的选秀球。我创建了一个名为 Ball 的类,它实现了 Runnable,并在我的主 Draf
这个问题已经有答案了: How can I calculate a time span in Java and format the output? (18 个回答) 已关闭 9 年前。 这是我的代码
我有一个 ASP.NET Web API 应用程序在我的本地 IIS 实例上运行。 Web 应用程序配置有 CORS。我调用的 Web API 方法类似于: [POST("/API/{foo}/{ba
我将用户输入的时间和日期作为: DatePicker dp = (DatePicker) findViewById(R.id.datePicker); TimePicker tp = (TimePic
放宽“邻居”的标准是否足够,或者是否有其他标准行动可以采取? 最佳答案 如果所有相邻解决方案都是 Tabu,则听起来您的 Tabu 列表的大小太长或您的释放策略太严格。一个好的 Tabu 列表长度是
我正在阅读来自 cppreference 的代码示例: #include #include #include #include template void print_queue(T& q)
我快疯了,我试图理解工具提示的行为,但没有成功。 1. 第一个问题是当我尝试通过插件(按钮 1)在点击事件中使用它时 -> 如果您转到 Fiddle,您会在“内容”内看到该函数' 每次点击都会调用该属
我在功能组件中有以下代码: const [ folder, setFolder ] = useState([]); const folderData = useContext(FolderContex
我在使用预签名网址和 AFNetworking 3.0 从 S3 获取图像时遇到问题。我可以使用 NSMutableURLRequest 和 NSURLSession 获取图像,但是当我使用 AFHT
我正在使用 Oracle ojdbc 12 和 Java 8 处理 Oracle UCP 管理器的问题。当 UCP 池启动失败时,我希望关闭它创建的连接。 当池初始化期间遇到 ORA-02391:超过
关闭。此题需要details or clarity 。目前不接受答案。 想要改进这个问题吗?通过 editing this post 添加详细信息并澄清问题. 已关闭 9 年前。 Improve
引用这个plunker: https://plnkr.co/edit/GWsbdDWVvBYNMqyxzlLY?p=preview 我在 styles.css 文件和 src/app.ts 文件中指定
为什么我的条形这么细?我尝试将宽度设置为 1,它们变得非常厚。我不知道还能尝试什么。默认厚度为 0.8,这是应该的样子吗? import matplotlib.pyplot as plt import
当我编写时,查询按预期执行: SELECT id, day2.count - day1.count AS diff FROM day1 NATURAL JOIN day2; 但我真正想要的是右连接。当
我有以下时间数据: 0 08/01/16 13:07:46,335437 1 18/02/16 08:40:40,565575 2 14/01/16 22:2
一些背景知识 -我的 NodeJS 服务器在端口 3001 上运行,我的 React 应用程序在端口 3000 上运行。我在 React 应用程序 package.json 中设置了一个代理来代理对端
我面临着一个愚蠢的问题。我试图在我的 Angular 应用程序中延迟加载我的图像,我已经尝试过这个2: 但是他们都设置了 src attr 而不是 data-src,我在这里遗漏了什么吗?保留 d
我是一名优秀的程序员,十分优秀!