pandas處理資料textrank提取關鍵詞

1.取出第一行内容放入content[]

contents = []           
contents = df.ix[:,10]  #第11列資料      

2.按類型提取資料

good = df.loc[df["評價類型"]=="好評"]                          
good_contents = good.ix[:,10]                            
good_contents.index=list(range(good_contents.shape[0]))  #重建立立索引
           

3. 提取關鍵詞

def textrank(contents,topK):                                                                                                               
    cons = []                                                                                                                              
    for i in range(len(contents)):                                                                                                         
        content = contents[i]                                                                                                              
        keywords = jieba.analyse.textrank(content, topK=topK, allowPOS=('n','nz','v','vd','vn','l','a','d'))  # TextRank關鍵詞提取，詞性篩選         
        word_split = " ".join(keywords)                                                                                                    
        #print(word_split)                                                                                                                 
        cons.append(word_split) #.encode("utf-8")                                                                                          
                                                                                                                                           
    result = pd.DataFrame(cons)                                                                                                            
    return result                                                                                                                          
           

4.将所提取的關鍵詞輸出為檔案

result.to_csv("keywords.csv", encoding = 'utf-8',index=False)
           

5.存在的問題

que:：textrank算法會先将輸入的内容進行分詞，在第一級将每條評論的文本提取出來後，第二級提取所有關鍵詞的關鍵詞時，詞與詞之間已經用空格分開了。這樣是否合理？

--》或者直接根據詞頻，輸出頻率最大的關鍵字

que：做第二級的時候，将第一集的關鍵詞直接用空格拼起來？這樣合理嗎？

--》待解決

--》形容詞、副詞别輸出了

　　

　　

good = df.loc[df["評價類型"]=="好評"]
good_contents = good.ix[:,10]
good_contents.index=list(range(good_contents.shape[0]))      

轉載于:https://www.cnblogs.com/yuyu-blog/p/11569984.html