Python 计算每个标点符号

我有一个包含大量数据的CSV文件，我想计算每个标点的数量

现在，我只知道如何计算文本的全部标点符号，但不知道如何将它们分开

我想在CSV文件中保存每行标点符号的编号

下面是我尝试获取每个标点符号的编号，但我得到了错误，如re.error:no to repeat at position 0'

news=pd.read\u csvcluesnew.csv news['？']=news.string_column.str.count'？' news['[']=news.string_column.str.count'[' news[']']=news.string_column.str.count']' news['！']=news.string_column.str.count'！' news['；']=news.string_column.str.count'；' news['{']=news.string_column.str.count'{' news['}']=news.string_column.str.count'}' news['/']=news.string_column.str.count'/' news['-']=news.string_column.str.count'-' 新闻[''']=news.string\u column.str.count'' news['，']=news.string_column.str.count'，' news['.]=news.string_column.str.count'' news['：']=news.string_column.str.count'：' news['`]=news.string_column.str.count'' news['.']=news.string_column.str.count'.' news.to_csvcluesnew.csv cluesnew.csv的一些示例

ID string_column
1  In 2017 alone, death due to diabetes was recorded at 10.1 per cent.
2  12.4 per cent of the country's citizens have diabetes. 

结果数据帧的示例如下：

string_column                                                         . , [ ] ! ` { ....
In 2017 alone, death due to diabetes was recorded at 10.1 per cent.   1 1 0 0 0 0 0 ....
12.4 per cent of the country's citizens have diabetes.                1 0 0 0 0 1 0 ....

非常感谢您的帮助，谢谢。

您不需要熊猫帮忙。标准库csv模块可以处理该任务

以下是Python 3中使用csv模块的可能解决方案：

从字符串导入标点符号 从集合导入订单 从pathlib导入路径 导入csv source=路径“/Path/to/source.csv” 目标=路径“/Path/to/target.csv” 使用source.open作为src，target.open'w'作为tgt： csvreader=csv.readersrc，quoting=csv.QUOTE_ALL csvwriter=csv.writergt，quoting=csv.QUOTE_ALL 从源中跳过标题行 下一代领导 将标题写入目标 csvwriter.writerow['string\u column']+[[u代表标点符号] 计数器=订单数据通信 对于csvreader中的字符串列*： 重置每行的计数器 柜台 string\u column=line.rstrip 计数标点符号 对于标点符号中的c： 计数器[c]=字符串\列.countc 写一行 csvwriter.writerow[string_column]+[counter[_]表示标点符号中的_] 之后，如果愿意，您可以通过以下方式轻松地将生成的target.csv读入pandas数据框：

import string
p = [ch for ch in s if ch in string.punctuation]

from itertools import groupby
counts = [len(list(punc)) for key, punc in groupby(p)]

>>>作为pd进口熊猫 >>>df=pd.read\u csv目标 >>>df.columns 索引['string_column'、'！'、'、'、'$'、'%'、'&'、'、'*'、'+'， ',', '-', '.', '/', ':', ';', '?', '@', '[', '\', ']', '^', '_', '`', '{', '|', '}', '~'], dtype='object' >>>

---

我希望它能有所帮助。

您可以像这样从字符串中获取所有标点符号：

import string
p = [ch for ch in s if ch in string.punctuation]

from itertools import groupby
counts = [len(list(punc)) for key, punc in groupby(p)]

然后，您可以计算在这种情况下每个字符标点遇到的次数，如下所示：

import string
p = [ch for ch in s if ch in string.punctuation]

from itertools import groupby
counts = [len(list(punc)) for key, punc in groupby(p)]

---

这是一种使用regex的方法

例：

输出：

---

你能展示你的数据帧样本吗？我假设标点符号是上面的列表？正则表达式提取匹配的组加上串长应该是最好的方法，但请提供一个样本dataframestring.Percentration and collections.Counter可以帮助你。向我们展示您迄今为止所做的尝试，我们可以帮助您进行开发。@strawberrylatte，刚刚更新了我的答案，现在您有了一个完整的代码，可以按照您想要的方式生成CSV。请检查一下。如果可能的话，发布cluesnew.csv内容的样本，用作输入。确实如此，但我更喜欢使用defaultdict来确保键的顺序始终相同。我知道，在所有版本的Python中，dict都不是这样。但是defaultdict已经在OrderedDict之上实现了，我更喜欢使用它。@accdias这对panda有用吗？因为我用熊猫来读csvfile@aws_apprentice，这是有意义的，因为OP想把它写在CSV文件上，为了完成这项工作，他需要所有列的顺序都相同，你不同意吗？@strawberrylatte，我想会的。您需要向我们展示更多您尝试过的内容，以便我们可以帮助您从中发展。我给你的那个罐子将把所有的线和各自的计数器放在数组中，以便以后使用。