pandas关键字提取_pandas处理数据textrank提取关键词

1.取出第一行内容放入content[]

contents =[]

contents= df.ix[:,10] #第11列数据

2.按类型提取数据

good = df.loc[df["评价类型"]=="好评"]

good_contents = good.ix[:,10]

good_contents.index=list(range(good_contents.shape[0])) #重新建立索引

3. 提取关键词

def textrank(contents,topK):

cons = []

for i in range(len(contents)):

content = contents[i]

keywords = jieba.analyse.textrank(content, topK=topK, allowPOS=('n','nz','v','vd','vn','l','a','d')) # TextRank关键词提取，词性筛选

word_split = " ".join(keywords)

#print(word_split)

cons.append(word_split) #.encode("utf-8")

result = pd.DataFrame(cons)

return result

4.将所提取的关键词输出为文件

result.to_csv("keywords.csv", encoding = 'utf-8',index=False)

5.存在的问题

que:：textrank算法会先将输入的内容进行分词，在第一级将每条评论的文本提取出来后，第二级提取所有关键词的关键词时，词与词之间已经用空格分开了。这样是否合理？

--》或者直接根据词频，输出频率最大的关键字

que：做第二级的时候，将第一集的关键词直接用空格拼起来？这样合理吗？

--》待解决

--》形容词、副词别输出了

good = df.loc[df["评价类型"]=="好评"]

good_contents = good.ix[:,10]

good_contents.index=list(range(good_contents.shape[0]))