关键词匹配数据分析（列表-列）

Question

在我之前的任务中，

python Keyword matching(keyword list - column)

所以它工作。更进一步，我想看更多。

问题

第一季度。我想检查匹配列表中单词的频率。

输出我想要的 Q1*

DF

0   K   Ieatapple
1   Y   bananaisdelicious
2   B   orangelikesomething 
3   Q   bluegrape
4   C   appleislike

mylist = [apple, banana]

#keyword matching

df[df['Value'].str.contains("|".join(mylist))]

  Name                Value
0    K          I eat apple
1    Y  banana is delicious
4    C          appleislike

#output what I want
matching word frequency : apple : 2, banana : 1

第二季度。我想检查 List 中的哪些单词与 List 匹配的行匹配？

输出我想要的 Q2

假设数据框与上例相同，

  Name                Value
0    K          I eat apple
1    Y  banana is delicious
4    C          appleislike

#Matching keyword&row
0 : apple
1 : banana
4 : apple

如果你有不止一个，我希望你把它们都展示出来。

感谢您的阅读，如果您对我的问题有任何疑问，请问我。

进一步

    Value                 New
0   I eat appleapple      apple,apple
1   banana is delicious   banana
2   appleislikeapple      apple,apple

我申请了以下答案，效果很好。 但我还需要一件事。

如上例所示，如果连续出现重复单词，则全部查找。如果单词重复，我只想显示其中一个。

通过寻找另一个stackoverflow，我尝试了删除连续重复单词的方法，例如Ordereddict，但它似乎只适用于链接的句子。

喜欢apple apple apple -> apple 不适用于我的情况，例如apple, apple -> apple, apple

所以当我使用下面的代码时，

s = pd.DataFrame (extracted.tolist ()). stack (). value_counts ()

统计所有重复的单词。

我该如何解决？

Answer 1

如果只想匹配一个，首先匹配的值使用Series.str.extract，并在列表中加入值：

df['new'] = df['Value'].str.extract(f'({"|".join(mylist)})', expand=False)
print (df)
  Name                Value     new
0    K          I eat apple   apple
1    Y  banana is delicious  banana
4    C          appleislike   apple

计数使用Series.value_counts:

s = df['new'].value_counts()
print (s)
apple     2
banana    1
Name: new, dtype: int64

print ('matching word frequency: ' + ', '.join(f'{k}:{v}' for k, v in s.items()))
matching word frequency: apple:2, banana:1

如果要匹配所有值，请使用 Series.str.findall 和 Series.str.join：

extracted = df['Value'].str.findall(f'({"|".join(mylist)})')
df['new'] = extracted.str.join(',')
print (df)
  Name                   Value           new
0    K  I eat apple and banana  apple,banana
1    Y     banana is delicious        banana
4    C             appleislike         apple

对于计数使用 DataFrame cosntructor 和 DataFrame.stack 和 value_counts：

s = pd.DataFrame(extracted.tolist()).stack().value_counts()
print (s)
apple     2
banana    2
dtype: int64

print ('matching word frequency: ' + ', '.join(f'{k}:{v}' for k, v in s.items()))
matching word frequency: apple:2, banana:2