计算熊猫数据框中的不同单词

计算熊猫数据框中的不同单词

使用

set

来创建唯一元素的序列。

进行一些清理

df

以使小写字母的字符串分解：

df['text'].str.lower().str.split()Out[43]: 0  [my, nickname, is, ft.jgt]1    [someone, is, going, to, my, place]

该列中的每个列表都可以传递给

set.update

函数以获取唯一值。使用

apply

这样做：

results = set()df['text'].str.lower().str.split().apply(results.update)print(results)set(['someone', 'ft.jgt', 'my', 'is', 'to', 'going', 'place', 'nickname'])

或与

Counter()

from注释一起使用：

from collections import Counterresults = Counter()df['text'].str.lower().str.split().apply(results.update)print(results)