英文评论高频词识别

本文介绍了如何使用Python和NLTK库计算文本中的词频,过滤停用词,然后标记评论中特定单词的出现情况,并统计每个单词在评论中的出现次数。
摘要由CSDN通过智能技术生成
__Author__ = "PimeiChen"
__Desc__ = "根据nltk计算词频,并标记包含对应1个单词的评论,最后完成计数"

import re
import nltk
import pandas as pd
from nltk import FreqDist
from nltk.corpus import stopwords
nltk.download('punkt')
nltk.download('stopwords')

def word_frequencies(text, stop_words):
    words = re.findall(r'\b\w+\b', text.lower())
    filtered_words = [word for word in words if word.isalnum() and word not in stop_words]
    return FreqDist(filtered_words)
#文件名,不用改后缀
document_name = 'abc'
data = pd.read_excel(f'{document_name}.xlsx')
all_comments = ' '.join(data['title'].fillna('').astype(str).tolist())

#停用词列表
custom_stop_words = set(stopwords.words('english'))
additional_stop_words = {'custom'}
custom_stop_words.update(additional_stop_words)

word_freqs = word_frequencies(all_comments, custom_stop_words)

#生成多少列
columns = [word[0] for word in word_freqs.most_common(600)]
binary_data = []

for title in data['title'].fillna('').astype(str):
    match_dict = {word: 0 for word in columns}
    words = re.findall(r'\b\w+\b', title.lower())
    for word in words:
        if word in match_dict:
            match_dict[word] = 1
    binary_data.append(match_dict)

binary_df = pd.DataFrame(binary_data)
result_data = pd.concat([data, binary_df], axis=1)

with pd.ExcelWriter(f'{document_name}_1_word.xlsx') as writer:
    result_data.to_excel(writer, sheet_name='result_data', index=False)

    # 创建一个新的DataFrame用于存储每个单词的评论次数
    word_counts = []
    for column in columns:
        count = binary_df[column].sum()
        word_counts.append({'word': column, 'count': count})

    comment_count_df = pd.DataFrame(word_counts)

    comment_count_df.to_excel(writer, sheet_name='word_counts', index=False)

小工具,直接上代码 nltk默认词频抓取,无视标点符号,可自定义停用词列表。标记出现某词的评论,赋值为1,并在sheet2里列出出现某次的评论数

  • 6
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值