這兩種計算文本列中兩個單詞出現次數的方法有什么區別？

Question

我是 pandas 的新手，我現在正在 Kaggle 上學習它。

這是一個練習，詢問在description列中查找兩個單詞的出現次數。

我從 StackOverflow 中找到了第一條語句，但第二條是正確答案。 造成這種不同結果的原因是什么？

1. 從 StackOverflow 中找到

tropical = reviews.description.str.count("tropical").sum()
fruity = reviews.description.str.count("fruity").sum()
descriptor_counts = pd.Series([tropical,fruity])

`

2.正確答案

tropical = reviews.description.map(lambda desc: 'tropical' in desc).sum()
fruity = reviews.description.map(lambda desc: 'fruity' in desc).sum()
descriptor_counts = pd.Series([tropical, fruity],index=['tropical','fruity'])

第一個結果是[3703, 9259]第二個結果是[3607, 9090]

更新：原來的問題是。 創建一個系列descriptor_counts，計算這兩個單詞中的每一個出現在數據集的描述列中的次數。

Answer 1

第一個是少，因為它是唯一獲得該是值'tropical'或'fruity' 。

所以：

>>> s='a'
>>> s=='a'
True

但是第二個是獲取包含'tropical'或'fruity' ，所以上面的：

>>> s='ab'
>>> s=='a'
False

所以它這樣做：

>>> s='ab'
>>> 'a' in s
True

Answer 2

這是一個例子

第一個代碼將tropical 計數為5，fruity 計數為4。它計算同一描述中單詞的重復次數。 因此，在此示例中，結果將是[5,4] 。

第二個代碼將主題計算為 4，水果計算為 3。它計算每個描述中單詞的存在（ if tropical in description ）。 一旦找到它，無論描述中有多少，它都算作一個。 所以，結果將是[4,3] 。

所以，我覺得這個問題是錯誤的。 如果問題是關於兩個單詞的出現次數，則在此示例中[5,4]應該是正確的（在您的情況下為[3703,9259] ）。 如果問題詢問每個單詞出現多少個描述，那么您正在使用if word in description 。 所以，再檢查一遍問題。

Answer 3

count1, count2 = 0, 0

for i in description.iteritems():
    if "fruity" in i[0]:
        count1 += i[1]
    if "tropical" in i[0]:
        count2 += i[1]

descriptor_counts = pd.Series(data = {"fruity": count1, "tropical": count2},
                          index = ["tropical", "fruity"])

最近我遇到了同樣的問題，這將是我不使用“lambda 表達式”的解決方案

Answer 4

這就是我可以解決它並得到正確答案的方法：

n_trop = reviews['description'].str.contains('tropical').sum()
n_fruit = reviews['description'].str.contains('fruity').sum()
descriptor_counts = pd.Series([n_trop,n_fruit], index=('tropical','fruity')) 
print(descriptor_counts)