Python 分配；"；到检测到的总字数

对于当前的项目，我计划计算给定数据帧中的总字数。下面的代码基于SciKit学习，并为识别的每个单词指定频率，但需要定义所考虑单词的总量

n

不过，我希望计算数据帧中的总字数。有没有办法将

n

设置为一个无穷大的数字，以覆盖数据框中的所有相关字，然后计算这些相关字的总和（即不显示

经理：10，“办公室”：5

但

总字数：15

）

在给定的示例中，我使用

10000

作为要考虑的字数（通过行

common\u words1=get\u top\u n\u bigram\u Group1（df[I]，100000）

），但我想知道是否有更灵活/自动化的方法

相关代码部分如下所示：

# Word frequency analysis
def get_top_n_bigram_Group1(corpus, n=None):
    vec = CountVectorizer(ngram_range=(1, 1), stop_words='english').fit(corpus)
    bag_of_words = vec.transform(corpus)
    sum_words = bag_of_words.sum(axis=0)
    words_freq = [(word, sum_words[0, idx]) for word, idx in vec.vocabulary_.items()]
    words_freq =sorted(words_freq, key = lambda x: x[1], reverse=True)
    return words_freq[:n]


for i in ['txt_pro','txt_con','txt_adviceMgmt','txt_main']:
    # Loop over the common words inside the JSON object
    common_words1= get_top_n_bigram_Group1(df[i], 100000)
    common_words1.to_csv('out1.csv')

---

如果我正确理解您的目的，下面的返回语句应该可以完成这项工作。您根本不需要使用

n

换行

return words_freq[:n]

对此

return {'total_words': sum(frequency for word, frequency in words_freq)}

---

相关词语是什么？是否要包括

单词\u freq

中的所有单词。如果是这样，那就不要用

n

作为阈值。谢谢您的输入。相关单词是文件中包含的所有单词

words\u freq

显示最频繁的单词，直到达到

n

（即，如果

n

=100，则显示最频繁的100个单词）。好主意-我尝试过，但它将以空数据框作为输出…好的，您可以在问题中详细说明您所需的输出是什么吗？你想要全部的单词。数据帧输出应该是什么？您的函数不返回数据帧。理想情况下，我希望输出

“总字数”：23124，即文本中的总字数指示。如果不清楚，我道歉