如何将主题列表（从 gensim lda get_document_topics()）更改为 DataFrame 格式答案

【问题标题】：How to change Topic list (from gensim lda get_document_topics()) to a DataFrame format如何将主题列表（从 gensim lda get_document_topics()）更改为 DataFrame 格式
【发布时间】：2021-03-02 00:20:45
【问题描述】：

我使用 gensim.models.ldamodel.LdaModel() 执行了一些主题建模，我想标记我的数据，以可视化我的发现。

这是我目前所拥有的：

我当前的数据框有以下列：

['text']['date']['gender']['tokens']['topics']['main_topic']

文本只是纯文本数据，日期格式为（yyyy-mm-dd），性别为二进制，女性为1，tokens为预处理后的文本，主题来源于：

df['topics'] = LDA_model.get_document_topics(corpus)

并且 main_topic 与来自 post 的第二个答案略有不同，并且填充如下：

df['main_topic'] = [int(str(sorted(LDA_model[i],reverse=True,key=lambda x: x[1])[0][0]).zfill(3)) for i in corpus]

最后，前 10 行 topic 和 main_topics 看起来像这样（注意 num_topics=30）：

    topics  main_topic
[(0, 0.051341455), (1, 0.21204428), (2, 0.1145254), (4, 0.055585753), (11, 0.20260869), (29, 0.25616828)]   29
[(0, 0.052005265), (1, 0.21128647), (2, 0.08015486), (3, 0.11465485), (29, 0.4478401)]  29
[(0, 0.05355798), (1, 0.1394092), (2, 0.10734849), (4, 0.32699445), (29, 0.273105)] 4
[(0, 0.053568278), (1, 0.22299954), (2, 0.22616898), (11, 0.0959242), (29, 0.2897638)]  29
[(0, 0.05404401), (1, 0.4482777), (4, 0.141311), (29, 0.24849494)]  1
[(0, 0.054245334), (1, 0.18933308), (2, 0.14567153), (4, 0.11169399), (23, 0.05768766), (29, 0.35825193)]   29
[(0, 0.05449035), (2, 0.114870586), (4, 0.13284092), (11, 0.075592585), (23, 0.13247918), (24, 0.06598773), (29, 0.32016253)]   29
[(0, 0.055871632), (1, 0.23100668), (4, 0.06832383), (29, 0.4730603)]   29
[(0, 0.057746172), (1, 0.057121024), (2, 0.07247137), (3, 0.26388222), (13, 0.07291462), (29, 0.34331965)]  29
[(0, 0.057841185), (1, 0.19891246), (2, 0.09586754), (29, 0.5344914)]   29

现在我想要的是：

我想要 30 个新列：“主题 0、主题 1、主题 2、...、主题 29”。对于第一行，我想使用 df['topics'] 并将值保存在新列中，以便：

第 1 行的主题 0 = 0.0513414，第 1 行的主题 1 = 0.21204，第 1 行的主题 2 = 0.11452，第 1 行的主题 3 = 0，依此类推。

但我不知道怎么做。有人可以帮忙吗？

【问题讨论】：

标签： python pandas gensim lda

【解决方案1】：

我想通了。如果有人想要实现同样的目标：

LDA_model = gensim.models.ldamodel.LdaModel()
dir(gensim.models.ldamodel.LdaModel)

df['topics'] = LDA_model.get_document_topics(corpus)

sf = pd.DataFrame(data=df['topics'])
af = pd.DataFrame()

for i in range(30):
    af[str(i)]=[]

frames = [sf,af]
af = pd.concat(frames).fillna(0)

for i in range(6301):
    for j in range(len(df['topics'][i])):
        af[str(df['topics'][i][j][0])].loc[i] = df['topics'][i][j][1]

(请注意 30 是我的 num_topics 而 6301 是我的 df['topics' 中的行数])

现在数据框 af 看起来像这样 [限制为 5 行和 5 列]：

    topics  0   1   2   3
0   [(1, 0.055395175), (5, 0.0647138), (7, 0.13507782), (9, 0.055264555), (13, 0.19258575), (21, 0.05181323), (27, 0.07139948)] 0.0 0.05539517477154732 0.0 0.0
1   [(0, 0.052290276), (6, 0.064590134), (13, 0.24019116), (16, 0.07827738), (27, 0.0994899)]   0.05229027569293976 0.0 0.0 0.0
2   [(6, 0.054943837), (7, 0.07324204), (10, 0.052613333), (12, 0.12482096), (27, 0.19818054), (29, 0.06280263)]    0.0 0.0 0.0 0.0
3   [(4, 0.12759669), (8, 0.06937062), (10, 0.2261674), (16, 0.066699274), (24, 0.06150386), (27, 0.096883684)] 0.0 0.0 0.0 0.0
4   [(2, 0.09043305), (8, 0.15643781), (10, 0.13145259), (16, 0.064689845), (17, 0.05019963), (24, 0.09253424), (28, 0.10176642)]   0.0 0.0 0.09043305367231369 0.0

【讨论】：