从调查文本中查找模式和有用信息 [xlsx]

Question

我想从大量的调查数据中找到规律并提取有用的信息。数据在 .xlsx 电子表格中排序，其中 4 列对应于特定问题，每一行都填写了受访者的文本回复。

如何使用 python 和 openpyxl 从数据中提取模式，例如单词或短语的频率、四个问题的答案之间的联系，或者我应该寻找的其他任何东西？

我在数据/文本挖掘方面的经验有限，所以如果有一些文档、有用的教程或我应该查看的其他 StackOverflow 问题，请告诉我。我在这里和其他地方进行了大量搜索，但没有找到我要找的东西。

到目前为止，我已经根据调查问题对词频进行了拍摄，但事实证明很难浏览 openpyxl 文档来执行此类操作。有没有简单的方法在 python 中做到这一点？

样本数组 [600x4]：

    [['this is an example of an answer to question 1 by respondent 1', 'answer to Q2 by R1', 'ans to Q3 by R1', 'ans to Q4 by R1']
    ['ans to Q1 by R2', 'ans to Q2 by R2', 'ans to Q3 by R2', 'ans to Q4 by R2']
    [etc, etc, etc, etc...]]

Answer 1

Excel 文件格式并不特别适合此类任务。您最好将文件中的数据复制到更适合该任务的工具中，例如具有全文搜索功能的关系数据库或专门的文本引擎。

openpyxl 是为处理 Excel 文件而设计的库。因此，在这种情况下，它可以帮助您提取数据并将其传递给另一个应用程序。