- 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
我想计算列表中每行给定数据框列中单词的出现次数。
代码:
d2 = {}
for key, lst in dict_.items():
col_names = [element for element in lst if isinstance(element, str)]
regex_lists = [element for element in lst if isinstance(element, list)]
regex_list = functools.reduce(lambda x, y: x+y, regex_lists)
map_function = lambda s: len(re.findall(r'|'.join(regex_list).lower(), str(s).lower()))
df_regex_count = df[col_names].applymap(map_function)
df[key] = [sum(lst_tmp) for lst_tmp in df_regex_count.values.tolist()]
我的数据框是:
d = {'Column_1': ['mango juice pret Orange No manner Emman snow', ' préts No scan eblanc'],}
df = pd.DataFrame(data=d)
我的单词列表
list_1 = ['mango juice', 'Mango' ,'Orange', 'pr[éeêè]t[s]?']
dict = {"s1": ['Column_1', list_1]}
s1的输出是[3,1],但它必须是[4,1]。因为“芒果汁”,芒果,橙子,漂亮
创建 csv 文件列表。
df['Word'] = r'\b' + df[' Word'].astype(str) + r'\b'
df.groupby('Country').agg(",".join).reset_index()
group1 =df[df['Country']== 1]
list1.append("|".join(group1['Word']))
最佳答案
re.findall返回字符串中模式的所有非重叠匹配。
这意味着在模式中搜索匹配项时会消耗该字符串。因此,如果匹配的子字符串本身就是匹配,则会丢失。
这就是您的情况下 'mango'
和 'mango Juice'
所发生的情况,因为您的正则表达式组合了所有要与 or 匹配的字符串
.
如果您想查找重叠的情况,请勿将要搜索的单词与正则表达式中的 |
组合起来,而是对每个单词执行搜索。
def map_function(s, reglst):
matches = [len(re.findall(rg.lower(), s.lower())) for rg in reglst]
return sum(matches)
在这里我重新定义了您的map_function
。它使用列表理解对 regex_list
的每个单词执行一次 re.findall
并返回所有出现次数的总和。
那么你的代码将是:
for key, lst in dict_.items():
col_names = [element for element in lst if isinstance(element, str)]
regex_lists = [element for element in lst if isinstance(element, list)]
regex_list = functools.reduce(lambda x, y: x+y, regex_lists)
df_regex_count = df[col_names].applymap(lambda s : map_function(s, regex_list))
df[key] = [sum(lst_tmp) for lst_tmp in df_regex_count.values.tolist()]
现在df
s:
Column_1 s1
0 mango juice pret Orange No manner Emman snow 4
1 préts No scan eblanc 1
您需要您的正则表达式列表list1
类似于:
list1 = [r'\bmango juice\b', r'\bMango\b' ,r'\bOrange\b', r'\bpr[éeêè]t[s]?\b']
这是一个列表,每个元素一个单词。查看您的代码,您可能可以通过以下方式创建它:
df['Word'] = r'\b' + df[' Word'].astype(str) + r'\b'
df.groupby('Country').agg(",".join).reset_index()
group1 =df[df['Country']== 1]
list1.extend(group1['Word'])
关于python - 如何计算数据框行中单词列表的出现次数总和?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/56398069/
你好,我有一张 table : from | to | item | count ------- Jack | Danie| food | 10 Danie| Maria| food | 2 Ja
已关闭。此问题不符合Stack Overflow guidelines 。目前不接受答案。 这个问题似乎偏离主题,因为它缺乏足够的信息来诊断问题。 更详细地描述您的问题或 include a mini
我正在尝试解决以下面试问题 Given two arrays firstDay and lastDay representing the intervals in days of possible m
这个问题已经有答案了: Explanation of a output of a C program involving fork() (2 个回答) 已关闭 9 年前。 这是我从我的研究所去年的试卷
如何在 html 页面上重复一个 div X 次,可以说我想设置方差来声明重复次数。重复这个部分 5 次,我假设它是用 JS 的。 black BLUE WHITE strip 我
我目前使用类中的函数将数据插入数据库,如果每行成功插入(从 csv 文件),则会记录一条消息(logMessage 函数),以显示哪一行成功或失败。但是我想要已导入数据库的成功执行的计数。我遇到了一些
这个问题可能看起来非常基础,但我很难弄清楚如何做。我有一个整数,我需要使用 for 循环来循环整数次。 首先,我尝试了—— fn main() { let number = 10; // An
我正在准备 CS 125 期末考试,其中(简要地)介绍了 Big O Notation。 鉴于: Mergesort 的最佳运行时间为 O(N lg(N)),最坏运行时间为 O(N lg (N)) 有
关闭。这个问题需要更多focused .它目前不接受答案。 想改进这个问题吗? 更新问题,使其只关注一个问题 editing this post . 关闭 3 年前。 Improve this qu
我正在构建一个简单的程序来计算骰子实验中数字的频率,但我尝试扩展它并将最大 throw 次数增加到巨大的数字,通过反复试验,我发现最大限制为519253。 使用这个最大值,我也无法创建任何新数组,它会
这是一道面试题 There is an airline company that wants to provide new updates to all of its flight attendant
我正在尝试以一种可以节省我无数小时的繁琐数据输入的方式实现 Excel 自动化。这是我的问题。 我们需要为所有库存打印条形码,其中包括 4,000 种型号,每种型号都有特定数量。 Shopify是我们
我想根据给定的预定义级别(从级别 1 到级别 6)分离代码中的所有内容,现在我的 JSON 读取 $scope.myJson=[{ id: 1, level: 1, name: "any
我创建了一个菜单,它使用一些 CSS 和 jquery 在悬停时显示其子菜单。事情是,如果用户在菜单项上多次悬停,它会有点滑稽。这是网址:http://91.202.168.37/~ibi/ ,这是
假设我对每小时的事件数进行了如下统计: np.random.seed(42) idx = pd.date_range('2017-01-01', '2017-01-14', freq='1H') df
我想确保我正确理解了这个概念: 在 Hadoop 权威指南中指出:“设计文件系统的目标始终是减少与要传输的数据量相比的查找次数。”在此声明中,作者指的是 Hadoop 逻辑 block 的“seeks
我有一个用 C++11 编写的程序,我想计算 std::vector 的 move 和复制(构造和赋值)次数。对象。有办法吗? 最好的问候 最佳答案 否。 std::vector<>的执行没有办法做到
我们组织的帐户空间不足,我们一直在尝试剔除一些较旧的存储库。问题在于一些较旧的存储库可能仍然是事件服务的依赖项(即使它们多年未更新)。 我知道我们可以跟踪克隆,但据我所知,我们看不到直接下载/pull
我是一名优秀的程序员,十分优秀!