如何将列的ngram频率绑定回原始数据帧？

Question

我有一个熊猫数据框，有帐户信息和取消的原因。我已经清理了数据/柠檬化/删除了我自己的停止词，得出了n克和频率。如何将所有ngram添加回原始数据集，使频率与帐户级别信息一致？理想情况下，我想采取这一点，并输出一个文件，我可以给企业。你知道吗

有没有一种方法可以使用稀疏矩阵来实现这一点？不确定这是否可行，甚至无法扩展到更大的数据集。你知道吗

下面是我想附加到原始数据帧的频率的图片。你知道吗

Answer 1

我终于想出了办法：

在创建稀疏矩阵并将其拟合到数据帧之后，我能够通过使用索引作为连接列将数据与原始数据帧合并。下面是我的代码示例：

tf_vect_final = CountVectorizer(max_df=0.90,min_df=5,stop_words=stop, 
                                  ngram_range=(5,5),analyzer='word')

tf_vect_final.fit(dfn['Not Written Comments_clean_stop'].tolist())

print("There are {} grams found".format(len(tf_vect_final.get_feature_names())))

tff = tf_vect_final.transform(dfn['Not Written Comments_clean_stop'].tolist())

tff = pd.DataFrame(tff.toarray(),columns=tf_vect_final.get_feature_names())


dfn.index.names=['PK']
tff.index.names=['PK']
dfn = dfn.reset_index()
tff = tff.reset_index()
dfn_final = dfn.merge(tff, on= 'PK')