python - 如何根据单词在python中连续出现多个单词的频率来重复单词？答案

【问题标题】：How to repeat a word based on its frequency of occurrence in a row with multiple words in python?python - 如何根据单词在python中连续出现多个单词的频率来重复单词？
【发布时间】：2018-07-26 14:45:08
【问题描述】：

我正在处理一个数据集。它的第一行如下所示：

Column1 Column2

1 [食物=3，派对=2，....] 2 [海洋=2, 鱼=3, 冲浪=2,....] . ..................... . ..................... . .....（第 1 列有序列号，第 2 列有频率单词列表。）

每一行都有多个单词，它们各自的频率。

我想将 column2 转换如下：

[食物，食物，食物，聚会，聚会.....]等等。

我觉得很难，不知道从哪里开始。我尝试了标记化，但不知道如何继续。

【问题讨论】：

你的数据格式是什么？那是字符串列表吗？数据框？字典？
这是一个熊猫数据框
那么请相应地表示您的数据。不清楚“food”和“party”是列名还是字段值。
您好，已更改。很抱歉给您带来不便。

标签： python pandas csv

【解决方案1】：

假设你从一个字符串列表开始，你可以这样做：

dataset = [
    ['food=3', 'party=2'],
    ['word=2', 'apple=3'],
]

def multiply_word(item):
    word, freq = item.split('=')
    return [word] * int(freq)

result = [
    sum((multiply_word(item) for item in row), [])
    for row in dataset
]

result
# [
#     ['food', 'food', 'food', 'party', 'party'], 
#     ['word', 'word', 'apple', 'apple', 'apple']
# ]

或者您可以使用这个“单线”（受@jp_data_analysis 的回答启发）：

[
    sum(
        ([word] * int(freq) for word, freq in (item.split('=') for item in row)),
        []
    )
    for row in dataset
]

如果每行中有很多单词，那么您可能应该使用itertools.chain 而不是sum。见why sum on lists is (sometimes) faster than itertools.chain?。

【讨论】：

【解决方案2】：

这是一种方法。

from itertools import chain

data = [['food=3', 'party=2'],
        ['drink=5', 'sleep=1']]

def repeater(lst):
    return list(chain(*([j[0]]*int(j[1]) for j in (i.split('=') for i in lst))))

list(map(repeater, data))

# [['food', 'food', 'food', 'party', 'party'],
#  ['drink', 'drink', 'drink', 'drink', 'drink', 'sleep']]

【讨论】：

【解决方案3】：

假设你的数据在一个列表中

l=['food=3', 'party=2']

s=pd.Series(l).str.split('=',expand=True)# split by sep `=`

s.iloc[:,0].repeat(s.iloc[:,1].astype(int)).tolist()# using repeat 
Out[549]: ['food', 'food', 'food', 'party', 'party']

【讨论】：