计数独特的话和平均时间在Pandas

qaxu7uf2 于 2023-01-04 发布在其他

关注(0)|答案(1)|浏览(179)

我正在用Pandas分析Twitter API中的一些文本，最终会可视化。
参考我的数据集df.head()为：

Count   User    Time    Tweet
0   0   x   2022    ✔️Nécessité de maintien d’une filière 🇪🇺 dynam...
1   1   x   2022    Échanges approfondis à #Dakar avec le Premier ...
2   2   x   2022    ✔️Approvisionnement en #céréales &amp; #engrai...
3   3   x   2022    Aujourd’hui à Tambacounda, à l’Est du Sénégal,...
4   4   x   2022    Working hard since 2019 to reinforce EU #auton...

我希望返回非重复单词计数以及使用该单词的tweet的平均时间。
现在，我已经使用df.Tweet.str.split(expand=True).stack().value_counts()获得了数据集的非重复字数。
这很有用，可返回：

the                        1505
de                         1500
to                         1168
RT                          931
of                          906
                           ... 
africain,                     1
langue                        1
Félicitations!                1

Length: 18071, dtype: int64

但是，我还想分析一段时间内的文本使用情况。

我不是很有经验，所以我想知道是否有一种方法可以使用像df.groupby（）这样的函数来按时间对结果进行排序，或者，是否有一种方法可以修改我的原始函数，在结果中添加一个包含平均时间的列？

pandas

来源：https://stackoverflow.com/questions/74994324/counting-distinct-words-and-average-time-in-pandas

1条答案

按热度按时间

kupeojn61#

我将使用str.extractall获取单词，join获取时间，然后执行groupby.value_counts获取每年的计数：

out = (df['Tweet']
 .str.extractall('(\S+)')
 .droplevel('match')
 .join(df['Time'])
 .groupby('Time')[0].value_counts()
)

注意：如果要排除单词中的非字母/数字，请使用(\w+)代替(\S+)。*

输出：

Time  0                  
2022  à                      3
      #Dakar                 1
      #auton...              1
      #céréales              1
      #engrai...             1
      &amp;                  1
      ...                    1
...

赞(0）回复(0）举报 2023-01-04

我来回答

计数独特的话和平均时间在Pandas

1条答案

相关问题

热门标签

最新问答