从数据帧中提取和计算主题标签

Question

我有一些包含一些推文的数据框，如下所示：

tweets = pd.Series(['This is a tweet example #help #thankyou', 
                    'Second tweet example #help', 
                    'Third tweet example #help #stackoverflow'])

tweets_df = pd.DataFrame({'Tweets': tweets})

然后我将主题标签放在数据帧的另一列中

tweets_df['hashtags'] = tweets_df['Tweets'].apply(lambda twt : re.findall(r"#(\w+)", twt))

现在我想计算它们并将结果放在另一个数据帧中。 我尝试了以下但没有奏效

tweets_df['hashtags'].str.split(expand=True).stack().value_counts()

结果必须是这样的：

#help           2
#thankyou       1
#stackoverflow  1

Answer 1

我们使用extractall和value_counts ：

tweets_df.Tweets.str.extractall(r'(\#\w+)')[0].value_counts()

输出：

#help             3
#stackoverflow    1
#thankyou         1
Name: 0, dtype: int64

Answer 2

你可以使用一个Counter

from collections import Counter
d = Counter(tweets_df.hashtags.sum())
df = pd.DataFrame([d]).T

>>> df
                0
help            3
stackoverflow   1
thankyou        1 

Answer 3

您不需要将推tweets到数据帧。 只需从那里执行提取：

tweets.str.extractall(r'(\#\w*)')[0].value_counts()

#help             3
#stackoverflow    1
#thankyou         1
Name: 0, dtype: int64