Python 获取dataframe中大型语料库中选定单词的百分比

我有一个关键字列表，如下所示：

keywords = {'dog', 'people', 'bird', 'snake', 'rabbit', 'forest'}

我想得到所有这些单词出现在数据框中每一列的每一行中的百分比。列中的每一行都包含大量文本。使用下面的代码，我在名为

perc\u words

的列中获得所选关键字的计数。有没有办法把它转换成一个百分比？多谢

import pandas as pd
df['perc_words'] = df['text'].apply(lambda x: sum(i in keywords for i in str(x).split()))

您可以使用来计算出现的

关键字

，然后除以：

df['perc_words']=df.text.str.count（'|'.join（关键字））/df.text.str.split（）.str.len（）

要获得每1000次出现次数，您可以将

perc_words

乘以1000：

df['per_1000']=df.perc_words*1000

---

玩具示例：

df=pd.DataFrame（{'text'：['dog apple'，'foo'，'people is people']}）
#正文
#0狗苹果
#一福
#2人就是人

关键字的计数

：

df.text.str.count（'|'.join（关键字））
# 0    1
# 1    0
# 2    2
#名称：text，数据类型：int64

总字数：

df.text.str.split（）.str.len（）
# 0    2
# 1    1
# 2    3
#名称：text，数据类型：int64

关键字的百分比

：

df['perc_words']=df.text.str.count（r'|'.join（关键字））/df.text.str.split（）.str.len（）
df['per_1000']=df.perc_单词*1000
#每1000个字的文本百分比
#0狗苹果0.500000 500.000000
#1 foo 0.000000 0.000000
#2个人是0.666667 666.666667

你能上传一个什么是

df

的例子吗？这是一本简单的字典吗？此外，简单地将单词数除以单词总数是否不够？Hi@Seankala，

df['text']

列表示每行中的许多已处理文本。换句话说，每行包含一个文本文件，该文件大小写较低，并且删除了stopwords。你说得对，用词数除以总字数也行。谢谢你的回答。有没有办法，比如说，每10000个单词中出现一个单词？crackers，你能更详细地解释一下吗？假设一行共有18000个单词，其中包含500个

关键字

，您希望的输出是什么？你想检查前10000个单词，然后检查下8000个单词吗？谢谢你的玩具示例。如果一行有18000个单词，其中包含500个

关键字，这意味着每18000个单词中，关键字出现500次。但是每1000个单词中出现多少次关键字？我想应该是用百分比乘以所需的单词数，即1000？哦，好吧，如果这就是你的意思，是的，你可以说在第一行，“dog”的出现率是50%，即每1000个单词出现500次。