计算熊猫文本列中最常见的短语

如何解决计算熊猫文本列中最常见的短语

我有一个带有文本列的pandas数据框，每个记录有50个短语，每个记录用“ |”分隔我想计算整个数据中的前50个词组。例如，考虑数据中的“文本”列，每行中有4个词组，并用管道分隔。 （实际数据有50个词组）。管道前后的空间。

                                        text
       0    "Andy | max min | tea | pal"
       1    "no limit | toy 2011 | hess | mix"
       2    "Andy | Andy | toy 2011| pal"

如何找到前n个功能？例如，在上面，前3个短语是：

 Andy       3
 toy 2011   2
 pal        2

解决方法

请尝试：

<div class="group-category-1">
    <div class="category-1">Name 1</div>
    <div class="category-1">Name 2</div>
    <div class="category-1">Name 3</div>
</div>

<div class="group-category-2">
    <div class="category-2">Name 1</div>
    <div class="category-2">Name 2</div>
    <div class="category-3">Name 3</div>
</div>

<div class="group-category-3">
    <div class="category-3">Name 1</div>
    <div class="category-3">Name 2</div>
    <div class="category-3">Name 3</div>
</div>

,

这是获得答案的另一种方法。

df['text'].str.lower().str.split('|').explode().str.strip().value_counts().nlargest(3)