我有一个大约33000行的DF，如下所示： tibble(ID = c(1,2,3), desc = c("This is a description.,"This is yet another desciption")) 我想对所有行的每个单词进行计数，以获得结果df，如下所示： tibble(word = c("this", "is", "a",
浏览 29提问于2020-03-31得票数 1
回答已采纳
3回答
统计R中多个列的词频
、、、
我在R中有一个数据框，它有多个列，其中包含多个单词文本响应，如下所示：studentopportunities university我希望能够计算1a、1b和1c列中单词组合的频率，以及2a、2b和2b组合的</e
浏览 2提问于2018-11-16得票数 1
2回答
我有一个2列的pandas.DataFrame，其中包含酒精的类型(即伏特加80标准，加拿大的威士，香料朗姆酒)和瓶子销售的数量。我想先把它归入粒度较小的类别，即(威士忌，伏特加，朗姆酒)，然后计算每个类别售出的所有瓶子的总和。
我的代码不允许我隔离诸如“伏特加”之类的标签，而是返回诸如“伏特加80证明”之类的类别的频率。word_dist = nltk.FreqDist(df[&
浏览 1提问于2017-05-29得票数 1
2回答
我试着通过词汇量来统计词频： vocabulary = {}
if word in vocabulary: else:
vocabulary[word] = 1 在此之后，我尝试通过以下方式将结果转换为DataFrame： df = pd.DataFrame.from_dict(vocabulary, orient='index', columns=['word
浏览 24提问于2019-01-29得票数 1
回答已采纳
2回答
统计多个文件中的词频
、、、
我正在尝试编写一段代码来统计包含大约10000个文件的文档中单词出现的频率，但我得到的不是总频率，而是最后一个文件的单词计数，因为它将覆盖前一次迭代。到目前为止我的代码是：import glob
file_list = glob.glob(TARGET_FILES)
浏览 1提问于2018-03-26得票数 0
我有一个关于为关键字计数制作字典的问题。df = pd.DataFrame({ "100", "300" "Text":[best, school, store, hospital]", ]
浏览 0提问于2021-05-04得票数 0
1回答
我有一个带有词频(tf)的DataFrame。列是单词，行是文档。这些行的总和为1。|问题是，sklearn的tfidf不期望词频，但单词很重要...
浏览 2提问于2017-07-11得票数 1
我有一个具有多个索引的Lucene应用程序，其中相关性评分由于不同索引之间的词频差异而受到影响。我的理解是术语词典(.tim文件)包含“术语统计信息”，比如每个术语的文档频率统计信息。我在想，一种方法可能是修改每个索引(和相关段)的.tim文件，并更新“术语统计”。是否可以用这种方式覆盖或修改.tim和.tip文件？
浏览 1提问于2014-06-25得票数 0
3回答
我用python创建了一个简单的单词统计程序，它读取一个文本文件，统计词频，并将结果写入另一个文件。问题是，当单词重复时，程序会写入同一单词的初始计数和最终计数。例如，如果单词" hello“重复3次，程序将在输出中写入3个hello实例，如下所示：你好-1你好-3counts ={} counts我是python的新手。
浏览 0提问于2014-02-19得票数 1
1回答
我对机器翻译感兴趣，更具体地说，我想研究两个字符串之间的相似之处。我想知道是否有深入学习的方法来进行文本特征提取。我已经尝试过著名的统计方法，如余弦相似度、Levenstein距离、词频等。
谢谢
浏览 0提问于2018-05-20得票数 0
回答已采纳
我正在尝试对一个相对较大的数据帧执行词频统计，但不知道哪种方法是最好的。目前我的数据帧看起来是这样的-'whats up' NaN NaN NaN
浏览 0提问于2019-11-10得票数 1
我使用的是Stanford NLP解析工具包。给定词典中的一个单词，我如何找到它的频率*？或者，给定一个频率等级，我如何确定相应的单词？class ParserDemo { LexicalizedParser lp
浏览 0提问于2009-11-30得票数 2
1回答
我在数据框中有一列，如下所示：我想要做的是计算每个术语的频率，并返回一个数据帧，如下所示： B 2我熟悉在数据框中将这些字符串拆分成列的各种方法，例如cSplit、read.table等，但这并不理想，因为我需要计算数百个不同的值
浏览 1提问于2018-07-10得票数 0
1回答
我有一个文本文件，想要两组单词的频率计数。mumbai, delhi and chennai. while many exotic brands in mumbai... disel, durby, Calvin Kline")
需要以下方式的输出
浏览 1提问于2017-10-12得票数 1
1回答
SingularValueDecomposition<RowMatrix, Matrix> svd = matTFIDF.computeSVD(k, true, rCond);我发现有很多词条都有相同的索引，这些是我得到的1:全部2: tt7:文档9:矩阵11 :每个12 :机
浏览 5提问于2016-09-07得票数 0
1回答
我正在尝试创建一个函数，该函数对数据帧中的特定列执行多个统计测试。有些测试需要多个级别。我想测试一个特定的列中有多少个级别，但似乎做不对。在我的实际代码中，这一部分后面是一个ifelse，如果是单一的，则返回一个字符串'only one level‘，如果> 1，则继续进行统计测试。list(x = as.name(n_fact)))
pr
浏览 0提问于2017-07-24得票数 4
回答已采纳
2回答
我正在处理一个数据形式的数据。我的数据是： a c我希望以这样的方式编写代码，以便输出如下所示： c e请帮我解决这个问题。
浏览 1提问于2020-03-15得票数 0
回答已采纳
1回答
如何对多个列的数据帧进行重采样以获得新的统计数据？
例如，我有一个以秒为索引的dataframe，有两列(数量、数量)，我想将()重采样为分钟，并基于数量*数量创建一个新列。
浏览 1提问于2017-01-10得票数 0
2回答
我试图删除标点符号，并计算我的代码工作的words.Part频率，但我的代码似乎不完整。我正在尝试获取{'hello'：2，'hi'：1}等单词的字典。它对hello word有效，但对于Hurray，它给我的输出就像是Hurray！任何关于为什么它会这样做的意见都是值得赞赏的。
浏览 2提问于2019-09-28得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
