python - 使用词汇对 Python 进行词袋编码

Question

我正在尝试在我的 ML 模型中实现新列。如果在抓取的数据文本中找到特定单词，则应创建数字列。为此，我创建了一个虚拟脚本进行测试。

import pandas as pd

bagOfWords = ["cool", "place"]
wordsFound = ""

mystring = "This is a cool new place"
mystring = mystring.lower()

for word in bagOfWords:
    if word in mystring: 
        wordsFound = wordsFound + word + " "

print(wordsFound)
pd.get_dummies(wordsFound)

输出为

    cool place
0   1

这意味着有一个句子“0”和一个“cool place”条目。这是不正确的。期望是这样的:

    cool place
0   1    1

Answer 1

找到了不同的解决方案，因为我找不到任何前进的方法。它是一种简单的直接热编码。为此，我为每个单词输入一个新列到数据框中并直接创建编码。

vocabulary = ["achtung", "suchen"]

for word in vocabulary:
    df2[word] = 0

    for index, row in df2.iterrows():
        if word in row["title"].lower():
            df2.set_value(index, word, 1)