大Pandas中的独特词语及其计数

Question

我刚开始学习熊猫，我想知道你是否可以把文本放到数据框中得到结果。我有一个3000字左右的文字信息，有些字重复了很多次，“太阳”“月亮”“地球”。我想生成一个图表，显示从最频繁到最少出现的单词数。对于这样的任务，我应该集中学习熊猫的哪些方面？熊猫是不是最好的选择？你知道吗

Answer 1

如果您只是想显示单词的频率，可以使用以下方法：

 df['column_with_words'].hist()

但那可能不会给你想要的。最好研究一些文本分析包，比如nltk。你知道吗

Answer 2

同意马克斯的意见，你的问题太宽泛了。然而，您要做的是tokenizing文本并计算每个标记的频率。这可以类似于this question。下面是一个实现：

import nltk

with open ("input.txt", "r") as myfile:
    data=myfile.read().replace('\n', ' ')

data = data.split(' ')
fdist1 = nltk.FreqDist(data)
print(fdist1)