python - 根据值在另一个数据帧中的频率将值附加到一个数据帧

Question

我有两个dataframes，df1是一个groupby的乘积，或者df.groupby('keyword'):

df1

keyword     string

   A        "This is a test string for the example" 
            "This is also a test string based on the other string"
            "This string is a test string based on the other strings"
   B        "You can probably guess that this is also a test string"
            "Yet again, another test string"
            "This is also a test"

和df2

这是一个空的数据框，现在我还有一个特定值的列表:

keyword_list = ['string', 'test']

基本上，我想计算 keyword_list 和 df1 中每个词的出现频率，以及出现最多的词将该词附加到特定列中基于 df1 中关键字的新数据框，因此 df2 的 'A' 被分配了 df1 的 string 列中出现次数最多的值。

理想情况下，因为 'string' 是 df1 的 A 关键字列中出现次数最多的值，所以它被分配给 string 等等。

df2

keyword    High_freq_word

   A         "string"
   B         "test"

如果您需要澄清或有道理，请告诉我!

更新:

@anky_91 提供了一些很棒的代码，但是输出有点尴尬

df['matches'] = df.description.str.findall('|'.join(keyword_list))

    df.groupby(odf.Type.ffill()).matches.apply(lambda x: ''.join(mode(list(chain.from_iterable(x)))[0]))

得到你

df1

keyword     string                                                     

   A        "This is a test string for the example" 
            "This is also a test string based on the other string"
            "This string is a test string based on the other strings"
   B        "You can probably guess that this is also a test string"
            "Yet again, another test string"
            "This is also a test"

但是它添加了一个新列:

matches

['string','test']
['test', 'string','string]
[etc...]

我可以想出一种方法将其转换为数字，然后将该值分配给该列，但更大的问题是将这个新列附加到新数据框。

因为它是一个 groupby，所以有几个重复值，我试图找到一种 pythonic 方式将“最常用词”映射到关键字本身，而不是基于关键字列表的整个模式。

Answer 1

据我了解，您可以执行以下操作:

from itertools import chain
from scipy.stats import mode

---

keyword_list = ['string', 'test']
df['matches']=df.string.str.findall('|'.join(keyword_list)) #find all matches
df.groupby(df.keyword.ffill()).matches.apply(lambda x: ''.join(mode(list(chain.from_iterable(x)))[0]))

---

keyword
A    string
B      test
Name: matches, dtype: object