Desarrollo de Python
  1. Desarrollo de Python
  3. Cuenta el número de palabras por fila
Intereting Posts
¿Eliminar filas en blanco de CSV? Python: ¿Por qué las listas no tienen un método de búsqueda? ¿Cómo verifico el contenido de un caché Django con Python memcached? Boto3 / S3: Renombrando un objeto usando copy_object Django. No tienes permiso para editar nada. ¿Configurar el tiempo de espera de consulta / comando con sqlalchemy create_engine? Cómo extraer sustantivos adjetivos de una oración Serialización de salida a JSON – ValueError: se detectó una referencia circular Descargar Mp3 usando Python en Windows maneja la canción, pero en Linux no lo hace Python: cómo comprobar si existen claves y recuperar el valor del diccionario en prioridad descendente Python IDLE se vuelve lento en una entrada de progtwig muy grande Establecer puntos fuera de la plot hasta el límite superior Intersección de 2d y 1d matriz Numpy TypeError: debe ser str, no float Mapa de color matplotlib: ¿Predefinir las asignaciones a los valores?

Cuenta el número de palabras por fila

Estoy intentando crear una nueva columna en un dataframe que contiene el recuento de palabras para la fila respectiva. Estoy buscando el número total de palabras, no las frecuencias de cada palabra distinta. Asumí que habría una forma simple / rápida de hacer esta tarea común, pero después de buscar en Google y leer un puñado de publicaciones de SO ( 1 , 2 , 3 , 4 ) estoy atascado. He probado las soluciones presentadas en las publicaciones de SO vinculadas, pero recupero muchos errores de atributos. 

words = df['col'].split() df['totalwords'] = len(words)

resultados en 

 AttributeError: 'Series' object has no attribute 'split'

y 

 f = lambda x: len(x["col"].split()) -1 df['totalwords'] = df.apply(f, axis=1)

resultados en 

 AttributeError: ("'list' object has no attribute 'split'", 'occurred at index 0')

str.split + str.len

str.len funciona bien para cualquier columna no numérica. 

 df['totalwords'] = df['col'].str.split().str.len()

str.count

Si sus palabras están separadas por un solo espacio, simplemente puede contar los espacios más 1. 

 df['totalwords'] = df['col'].str.count(' ') + 1

Comprensión de lista

¡Esto es más rápido de lo que piensas! 

 df['totalwords'] = [len(x.split()) for x in df['col'].tolist()]

Aquí hay una forma de usar .apply() : 

 df['number_of_words'] = df.col.apply(lambda x: len(x.split()))

ejemplo

Dado este df : 

 >>> df col 0 This is one sentence 1 and another

Después de aplicar el .apply() 

 df['number_of_words'] = df.col.apply(lambda x: len(x.split())) >>> df col number_of_words 0 This is one sentence 4 1 and another 2

Nota : Como se indica en los comentarios, y en esta respuesta , .apply no es necesariamente el método más rápido. Si la velocidad es importante, mejor vaya con uno de los métodos de @cᴏʟᴅsᴘᴇᴇᴅ .

Esta es una forma de usar pd.Series.str.split y pd.Series.map : 

 df['word_count'] = df['col'].str.split().map(len)

Lo anterior asume que df['col'] es una serie de cadenas.

Ejemplo: 

 df = pd.DataFrame({'col': ['This is an example', 'This is another', 'A third']}) df['word_count'] = df['col'].str.split().map(len) print(df) # col word_count # 0 This is an example 4 # 1 This is another 3 # 2 A third 2

Con list y datos de map de frío. 

 list(map(lambda x : len(x.split()),df.col)) Out[343]: [4, 3, 2]