python - 分析标签集的最佳方法？

Question

我有数以千计的调查回复，这些回复已根据回复内容进行了标记。每个响应可以有一个或多个标签(最多 20 个)，并且标签彼此独立，而不是被构造为类别-子类别或其他东西。

我希望能够进行如下分析:

• 给定标签有多少个实例？
• 哪些标签总体上出现的频率最高？
• 标签 X 出现的位置，哪些其他标签最常与其一起出现？
• 所有标签的列表及其旁边的每个标签
• 选择数据子集进行类似分析(例如按国家/地区)

与我共事的人传统上用 Excel 解决所有问题(一般业务战略咨询工作)，但在这种情况下行不通。他们的回应是将项目框架更改为 Excel 可以在数据透视表中处理的内容，但如果我们可以使用更强大的工具来支持更复杂的关系，那就更好了。

我一直在学习 SQLite，但我开始担心我想做的事情会非常复杂。

我也一直在学习 Python(出于不相关的原因)，我想知道 ORM 工具和一些 Python 代码是否是更好的选择。

还有类似 Access 的东西(我没有，但如果它是这类东西的最佳选择，我可能会愿意得到)。

总而言之，我很想知道进行这些类型的分析总体上有多难，以及哪些工具最适合这项工作。我完全接受这样的想法，即我正在以倒退的方式思考部分或全部问题，并且欢迎就我在这里所写内容的任何方面提出任何建议。

Answer 1

将所有标签收集到一个列表中，并使用 python collections.Counter 和相关方法来获取频率和大量其他统计信息。就这样

>>> from collections import Counter
>>> x=['java', 'python', 'scheme', 'scheme', 'scheme', 'python', 'go', 'go', 'c',
... 'c']
>>> freqs = Counter(x)
>>> freqs.most_common(1)
[('scheme', 3)]
>>>