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？

Question

我刚接触熊猫，现在正在卡格尔学习

下面是一个练习，要求在description列中查找两个单词出现的次数

我从StackOverflow中找到了第一条语句，但第二条是正确答案。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: 创建一个序列描述符，计算这两个单词在数据集中的“描述”列中出现的次数

Answer 1

第一个较小，因为它只获取为'tropical'或'fruity'的值

因此：

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

但是第二个是获取包含的'tropical'或'fruity'的值，因此上面：

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

它确实：

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

Answer 2

这里有一个例子

第一个代码计算热带为5，水果为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]

第二个代码计数为4，而水果为3。它统计每个描述中单词的存在（if tropical in description）。一旦你找到了它，不管描述中还有多少，它都算作一。 因此，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单词出现的次数，在本例中[5,4]应该是正确的（在您的案例中[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，再检查一次这个问题

Answer 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，这将是我的解决方案，不使用“lambda表达式”