Python 创建包含年份和单词的共现矩阵

我有一个会议摘要数据集，还有一本字典，里面有每年词频的字典。我想把这本字典变成一个矩阵，比较每年的频率和其他年份的频率，看看哪些年份彼此最相似

我把字典做成了一个数据框。记住：这是文字和岁月

wordsdf = pd.DataFrame.from_dict(word_dfs, orient='index')

我试图将年份作为列和行在coocc矩阵中进行比较。但到目前为止，因为它们不都是整数，我不能只使用点积。有什么建议吗

我试过了，但没有用：

# #to create a co-occurrence matrix
from nltk.tokenize import word_tokenize
from itertools import combinations
from collections import Counter

sentences = wordsdf
vocab = set(word_tokenize(' '.join(str(sentences)))
token_sent_list = [word_tokenize(sen) for sen in sentences]

co_occ = {ii:Counter({jj:0 for jj in vocab if jj!=ii}) for ii in vocab}
k=2

for sen in token_sent_list:
    for ii in range(len(sen)):
        if ii < k:
            c = Counter(sen[0:ii+k+1])
            del c[sen[ii]]
            co_occ[sen[ii]] = co_occ[sen[ii]] + c
        elif ii > len(sen)-(k+1):
            c = Counter(sen[ii-k::])
            del c[sen[ii]]
            co_occ[sen[ii]] = co_occ[sen[ii]] + c
        else:
            c = Counter(sen[ii-k:ii+k+1])
            del c[sen[ii]]
            co_occ[sen[ii]] = co_occ[sen[ii]] + c

# # Having final matrix in dict form lets you convert it to different python data structures
co_occ = {ii:dict(co_occ[ii]) for ii in vocab}
co_occ

创建共现矩阵的步骤 从nltk.tokenize导入单词\u tokenize 从itertools导入组合 从收款进口柜台 句子=单词 vocab=set（单词_标记化（“”.join（str（句子））） token_sent_list=[句子中sen的单词_tokenize（sen）] co_occ={ii:Counter（{jj:0表示vocab中的jj，如果jj！=ii}）表示vocab中的ii} k=2 对于令牌发送列表中的sen： 对于范围内的ii（len（sen））： 如果iilen（sen）-（k+1）： c=计数器（sen[ii-k:：]） 德尔c[森[ii]] co_occ[sen[ii]]=co_occ[sen[ii]]+c 其他： c=计数器（sen[ii-k:ii+k+1]） 德尔c[森[ii]] co_occ[sen[ii]]=co_occ[sen[ii]]+c ##使用dict形式的最终矩阵可以将其转换为不同的python数据结构 co_occ={ii:dict（co_occ[ii]）用于vocab中的ii} co_occ

---

Hi Sophie，欢迎使用Stack Overflow。请将您的相关代码添加到您的问题中，以便其他成员能够帮助您。对此表示抱歉，Khalid。我附加了当前不起作用的代码。谢谢！Hi Sophie，欢迎使用Stack Overflow。请将您的相关代码添加到您的问题中，以便其他成员能够帮助您。s抱歉，哈立德。我附加了目前不起作用的代码。谢谢！