我正在使用 python/pandas。
我有一个这样的数据框：
date id my_column
0 31.07.20 128909 ['hey', 'hi']
1 31.07.20 128914 ['hi']
3 31.07.20 853124 ['hi', 'hello', 'hey']
4 30.07.20 123456 ['hey']
...
超过 1.000.000 行的数据框。我想要 my_column 列中最常用的 10 个单词。
感谢任何帮助。
【问题讨论】：
使用Series.explode 和Series.value_counts，默认是排序的值，所以top10 需要前10 个索引值：
out = df['my_column'].explode().value_counts().index[:10].tolist()
或者你可以使用纯python解决方案来扁平化并计算top10：
from collections import Counter
from itertools import chain
c = Counter(chain.from_iterable(df['my_column']))
out = [a for a, b in c.most_common(10)]
【讨论】：
import ast 和df['my_column'] = df['my_column'].apply(ast.literal_eval) 吗？
out = df['my_column'].apply(ast.literal_eval).explode().str.lower().value_counts().index[:10].tolist()use