为多个文档组合词袋答案

【问题标题】：Combine bag of words for multiple documents为多个文档组合词袋
【发布时间】：2020-06-25 23:02:56
【问题描述】：

我有多个文档，在这个例子中假设为 3。它们每个都包含几个不同的单词，用空格分隔。现在我想计算每个文档的所有单词并将其放入矩阵或数据框中。所以我将特定的文档作为一行，每个单词作为一列，出现次数作为数据框中的数字。请参阅下面的示例

Doc1 = "a b c d"
Doc2 = "a c e f"
Doc3 = "a e f f"


data = {'a': [1,1,1],
        'b': [1,0,0],
        'c': [1,1,0],
        'd': [1,0,0],
        'e': [0,1,1],
        'f': [0,1,2],
        }

df = pd.DataFrame (data)

【问题讨论】：

标签： python word-count

【解决方案1】：

doc1 = "a b c d"
doc2 = "a c e f"
doc3 = "a e f f"

docs = [doc1, doc2, doc3]

data = {}

for i, doc in enumerate(docs):
    for word in doc.split():
        val = data.get(word, [0] * len(docs))
        val[i] += 1
        data[word] = val
print(data)

# Alternative

data = {}
for i, doc in enumerate(docs):
    for word in doc.split():
        try:
            data[word][i] += 1
        except KeyError:
            data[word] = [0 if i != j else 1 for j in range(len(docs))]
print(data)

【讨论】：