1回答
我有一个pandas数据框架，包含以下各列：['if', 'you', 'think', 'she', "'s", 'cute', 'now', ',', 'you', 'should', '我的目标是计算数据帧的二元、三元、四元(具体地说，列2，它已经进行了词条分类)。trigrams(df ["Col
浏览 19提问于2020-03-06得票数 1
回答已采纳
我有一个带有tweet的Pandas Dataframe，我有一个专栏，上面写着这些tweet被转发了多少次。当我数单词的时候，我想把它们乘以它们被转发的次数。retweetapple banana 2如果我只想计算tweet的数量df['tweet'].str.cat(sep=' ')
tokens = nltk.word_tokeniz
浏览 0提问于2021-02-16得票数 0
2回答
chest pain associate with profuse sweating and nausea def generate_ngrams(self, s, n): s = s.lowerngram in ngrams] fo
浏览 2提问于2019-07-08得票数 0
回答已采纳
1回答
我确实有一个用于大型数据集的较慢的UDF，我试图通过利用和所有搜索和官方文档来提高执行时间和可伸缩性，我已经使用了更多的标量和映射方法，但是我没有扩展到系列或熊猫数据收集方法，你能给我指出正确的方向吗？我确实想并行地做，而当前的UDF方法非常慢，因为它是一个接一个的记录，其他解决方案是在考拉中完成的，但我宁愿把它作为火星气管道中自定义转换器的一部分：
fromdf.withColumn(ou
浏览 9提问于2022-01-26得票数 0
在做Kaggle笔记本的时候，我遇到了一个问题。以下代码块：def grams(tokens):negative_grams =preprocessed_negative_tweets.apply(grams)/opt/conda/bin/ipython:5: DeprecationWarning:generator '<em
浏览 0提问于2017-04-25得票数 11
回答已采纳
1回答
我需要根据最常见的n克过滤行，即包含在n克列表中的术语。bigrams = [x for l in x_train['texts'] for x in zip(l.split(" ")[:-1], l.split(" ")[1:])]Trump won election 46
US work
浏览 3提问于2020-05-24得票数 2
回答已采纳
我尝试了不同版本的anaconda 3，但没有成功完成。我应该安装什么才能正常工作？我用的是0.20-0.23的滑雪版本。错误消息：
代码：import matplotlib.pyplot as pltfrom sklearn.feature_extraction.textsparse_matrix = vectorizer.fit_transform(df['content'][:2000])
f
浏览 3提问于2022-01-09得票数 1
回答已采纳
我感兴趣的是找出一组单词的频率(百分比)，比如在n_grams中出现在一个句子中。example_txt= ["order intake is strong for Q4"]
text = re.findall('[A-z]+'round(float(len(content)) / float(len(text)), 5)
#the goal is for the above procedure to work on a pa
浏览 0提问于2020-04-08得票数 0
回答已采纳
1回答
符号化文本中符号(字符串)的频率
、、、、
我想要构造一个新的向量，freqlist，其中的每个元素都是ngram的分数，等于ngram列表的元素。编辑:由于和ngramlist的联合输出都是由所有找到的ngram组成的列表，所以它们都是有价值的。Edit2：from nltk.util import ngrams
浏览 0提问于2018-04-03得票数 2
回答已采纳
1回答
问题是，当我试图用Google中创建的透视表验证结果时，和的结果是不同的。而且，在两种情况下，旋转后的行数都是不同的，。我现在搞不懂这是怎么回事！为什么同一个函数的结果是不同的？他们不应该做同样的事吗？！
是在Google中实现的数据和枢轴表的链接。Order item ID 2应该是索引，因为它是唯一的ID，而Settlement Value应该是应该聚合的值。下面是使用相同数据
浏览 3提问于2022-02-19得票数 0
1回答
我想运行这个模型的标记词和两个词短语。我有10,000个文档，我使用nltk Regextoknizer从所有文档中获取单个单词标记。我怎样才能对文档进行标记，得到两个字的短语.例如：两个词短语：{I_have}，{green_apple}，.等。
浏览 0提问于2017-09-19得票数 0
回答已采纳
我想一次迭代我的文件两个令牌，下面是我的当前代码：iterator = sentences.make_initializable_iterator
浏览 0提问于2019-07-30得票数 2
回答已采纳
我使用了这段代码，它从给定的文本中生成单字、双字、三字。但是我想从一个很大的csv文件中提取一元、二元和三元语法。请帮帮我，我该怎么做？
浏览 1提问于2018-05-23得票数 1
返回可能不属于输入列表中所有字符串的最长字符序列。返回必须属于输入列表中所有字符串的最长的公共单词序列。['exterior lighting', 'interior lighting'] -> 'lighting'
['ambient
浏览 4提问于2020-06-02得票数 0
回答已采纳
我有一些由它们的大图表示的列表，以及它们每发生多少次。大字汇来自于一个由独特的字汇组成的词汇。我想在此使用SklearnClassifier(SVC)。到目前为止我所做的代码： i in range(len(train_filtered_tweets) - 1)]
print "Tweets from
浏览 2提问于2017-04-05得票数 0
1回答
N克两端填充
、、、
我正在尝试编写一个函数来为我的数据集中的每个短语生成n格。我举了第一个短语作为例子。
for i in range(len(phrases)):
浏览 11提问于2022-10-04得票数 0
3回答
更快地计算字符串中的短语数
、、、、
我有以下代码，可以从字符串中计数想要的短语：from nltk import word_tokenize a=tuple(word.split(' '))
print word, len([i for i in ngramsdf_search=pd.DataFrame({'wo
浏览 1提问于2015-10-30得票数 1
回答已采纳
1回答
我的数据是元组列表： return zip(*[verbatims[i:] for i in range(n)])
print bigrams
[((u'a', u'grossir', u'et', u'a'), 74), ((u'un', u'avis', u'deu
浏览 0提问于2016-04-25得票数 0
2回答
我试图使用ngrams中的ngram和freqDist函数来计算各种nltk的频率。由于ngram函数输出是一个generator对象，所以在计算频率之前，我希望合并来自每个ngram的输出。import *import retoken = word_tokenize(corpus)
unigra
浏览 4提问于2017-09-27得票数 3
回答已采纳
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
云直播
对象存储
腾讯会议活动推荐
腾讯云开发者
