Python文本处理（str.contains）

我正在熊猫中使用str.contains进行文本分析。如果我最近的数据工作是一名分析师，我想要一个单词Data&Analyst的组合，但同时我想指定用于组合的两个单词之间的单词数，这里Data和Analyst之间是两个单词。目前我使用DataFile.XXX.str.contains'job'&DataFile.XXX.str.contains'Analyst'来获取job Analyst的计数。 如何在str.contains语法中指定两个单词之间的单词数。

---

提前谢谢

你不能。至少，不是以简单或标准化的方式

即使是最基本的，比如你如何定义一个词，也比你想象的要复杂得多。单词分析和词汇接近度，例如，在句子s中，两个单词之间的距离是否在D以内？这是我们的领域。NLP和邻近搜索不是基本Panda的一部分，也不是Python标准字符串处理的一部分。你可以导入一些东西来解决这个问题，但这完全是另一回事

让我们看一个简单的方法。首先，您需要一种将字符串解析为单词的方法。根据NLP标准，以下内容较为粗略，但适用于更简单的情况：

def parse_单词： 从字符串中提取英语单词的简单解析器。 注意：对一个难题的简单化解决方案。 许多可能是重要的边角情况 没有处理。只有一个例子：连字符单词。 返回re.findallr\w+？：'[st]？，s，re.I 例如：

>>>不要认为这一天的最后时刻不会到来 ['和'，不要'想'，'这'，今天的'最后'，'时刻'，不会'来'] 然后，您需要一种方法来查找目标词所在列表中的所有索引：

def列表指示器目标，序号： 返回seq中找到目标的所有索引。 指数=[] 光标=0 尽管如此： 尝试： 索引=序号indextarget，光标 除值错误外： 回报指数 其他： 附录索引 游标=索引+1 最后是一个决策包装：

def words_with intarget_words，s，max_distance，不区分大小写=True： 确定两个目标词是否在一个的最大距离位置内 另一个在字符串s中。 如果你有目标的话！=2: raise VALUE ERROR“必须提供2个目标词” 对号入座 如果不区分大小写： s=s.casefold target_words=[tw.casefold代表target_words中的tw] 对于Python 2，将“casefold”替换为“lower”` 解析单词并确定它们在字符串中的逻辑位置 单词=解析单词 目标索引=[列表索引，目标单词中t的单词] 不在场的话 如果不是目标_索引[0]或不是目标_索引[1]： 返回错误 计算两个单词的所有距离组合 在s中，一个单词可能不止一次出现 实际_距离=[i2-i1，目标_索引中的i2[1]目标_索引中的i1[0]] 回答最小观测距离是否大于s=并且不要认为这一天的最后时刻不会到来 >>>[THIS，'last'，s，2中的单词 符合事实的 >>>[think，'moment'，s，2]中的单词 错误的 剩下要做的唯一一件事就是把它映射回熊猫：

df=pd.DataFrame{'desc'：[ “我最近的数据工作是一名分析师”， “总有一天我的王子会来的”， “哦，在彩虹上方的某个地方，蓝知更鸟在飞翔”， 难道你不愿意分担一个共同的灾难吗？， “约伯！彩虹！分析师。” ]} df['ja2']=df.desc.applylambda x:words_在[job，'analyst']中，x，2 df['ja3']=df.desc.applylambda x:words_在[job，'analyst']中，x，3

---

这就是你解决问题的基本方法。请记住，这是一个粗糙而简单的解决方案。一些简单提出的问题并没有得到简单的回答。NLP问题经常是其中之一。

请分享您的数据帧示例。熊猫是一个非常有用的图书馆，但它不是万能的。文本分析。。。大概视情况而定。。很可能不是。在提出更多问题之前，请花30分钟阅读以下内容：。欢迎来到SO。不幸的是，这不是一个讨论论坛或教程服务。请花点时间阅读该页面上的其他链接。我知道如何回答这个问题。但我不会，因为你的问题不符合这个网站的标准。请提供一份表格，并阅读。。