这两种计算文本列中两个单词出现次数的方法有什么区别？答案

【问题标题】：What's the difference between these two ways to calculate the number of occurrences of two words in a text column?这两种计算文本列中两个单词出现次数的方法有什么区别？
【发布时间】：2021-06-05 14:02:06
【问题描述】：

我是 pandas 的新手，我现在正在 Kaggle 上学习它。

这是一个练习，要求在description 列中找出两个单词的出现次数。

我从 StackOverflow 中找到了第一条语句，但第二条是正确答案。造成这种不同结果的原因是什么？

1。从 StackOverflow 中找到

tropical = reviews.description.str.count("tropical").sum()
fruity = reviews.description.str.count("fruity").sum()
descriptor_counts = pd.Series([tropical,fruity])

2。正确答案

tropical = reviews.description.map(lambda desc: 'tropical' in desc).sum()
fruity = reviews.description.map(lambda desc: 'fruity' in desc).sum()
descriptor_counts = pd.Series([tropical, fruity],index=['tropical','fruity'])

第一个结果是[3703, 9259] 第二个结果是[3607, 9090]

更新！原来的问题是：创建一个系列descriptor_counts，计算这两个词中的每一个在数据集的描述列中出现的次数。

【问题讨论】：

我怀疑是因为第一个计算每个描述中字符串的出现次数，然后将它们相加。如果描述中存在字符串，则第二个映射为 True，然后对它们求和（布尔值转换为整数以进行加法 - 例如。True + True == 2）。
不同之处在于.str.count可以处理每个条目中单词的多次出现，而.map(lambda desc: 'tropical' in desc)只计算每个条目的布尔True/False，因此多次出现只会计为1。跨度>
相关：Count occurrences of each of certain words in pandas dataframe

标签： python pandas

【解决方案1】：

第一个较少，因为它只获取是 'tropical' 或 'fruity' 的值。

所以：

>>> s='a'
>>> s=='a'
True

但第二个是获取包含 'tropical' 或 'fruity' 的值，所以上面是：

>>> s='ab'
>>> s=='a'
False

确实如此：

>>> s='ab'
>>> 'a' in s
True

【讨论】：

【解决方案2】：

这是一个例子

第一个代码将热带记为 5，果味记为 4。它计算同一描述中单词的重复次数。因此，在本例中，结果将是 [5,4]。

第二个代码将topical 计为4，将fruity 计为3。它计算每个描述中出现的单词（if tropical in description）。一旦找到它，无论该描述中有多少个，它都算作一个。所以，结果将是[4,3]。

所以，我觉得这个问题是错误的。如果问题是关于这两个词的出现次数，在这个例子中[5,4] 应该是正确的（在你的情况下是[3703,9259]）。如果问题询问每个单词出现了多少描述，那么您使用if word in description 计算描述。所以，再检查一遍问题。

【讨论】：

感谢您提供此示例！我回去检查了这个问题，它说：'创建一个系列descriptor_counts，计算这两个单词中的每一个出现在数据集的描述列中的次数。我可能误解了这个问题。

【解决方案3】：

count1, count2 = 0, 0

for i in description.iteritems():
    if "fruity" in i[0]:
        count1 += i[1]
    if "tropical" in i[0]:
        count2 += i[1]

descriptor_counts = pd.Series(data = {"fruity": count1, "tropical": count2},
                          index = ["tropical", "fruity"])

最近我遇到了同样的问题，这将是我不使用“lambda 表达式”的解决方案

【讨论】：