Desarrollo de Python
  1. Desarrollo de Python
  3. Cuenta el número de palabras por fila
Intereting Posts
¿Cuáles son las diferencias entre swap en C ++ y Python? Ejemplo del cliente python jsonrpc2 que se conecta al ejemplo remoto de hello world usando httplib? Vectorización del cálculo de la distancia de Haversine en Python plot 3d en python usando tres listas ¿Cómo normalizar una matriz numpy bidimensional en Python menos verbosa? Instalador silencioso (.exe) con parámetros en Windows ¿Cómo puedo agregar texturas a mis barras y cuñas? El rastreo de la aplicación del matraz no se muestra en el registro del servidor Salida de pantalla desconocida de Python 2.7 instalado manualmente AttributeError: el objeto ResultSet no tiene ningún atributo ‘find_all’ Cómo crear el archivo de huevo de Python Python: ¿Cómo escribo una lista en un archivo y luego la devuelvo a la memoria (dict representado como una cadena convertida a dict) más tarde? Usando numpy.take para una indexación de fantasía más rápida Python define funciones dinámicas ¿Cómo puedo combinar cadenas superpuestas en python?

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]