合并表格中的列
调用库
import pandas as pd
import re
读取数据
df = pd.read_csv('C:/Users/19024/Desktop/time.csv')
定义需要合并的列
text_columns = ['title', 'content', 'comment']
合并想合并的列
for col in text_columns:
df[col] = df[col].astype(str)
df['text'] = df[text_columns].apply(lambda row: ' '.join(row), axis=1)
进行话题的提取和数量统计
选择content列
texts = df['text']
def extract_hashtags_and_count(text):
# 使用正则表达式匹配所有话题标签
hashtags = re.findall(r'#[^\s]+', text)
# 返回话题标签列表和数量
return ' '.join(hashtags), len(hashtags) # 直接返回合并后的话题字符串和数量
df['tags'], df['tags_count'] = zip(*df['content'].apply(extract_hashtags_and_count))
#输出带有提取话题标签和数量的DataFrame
print(df[['content', 'tags', 'tags_count']].head())
#保存新的CSV文件
df.to_csv('C:/Users/19024/Desktop/主动学习数据处理过程/total5w.csv', index=False,encoding='utf-8-sig')