处理开放式问卷数据：统计Series每行唯一单词生成无偏差词云

需求说明 #

• 处理100+行开放式问卷数据，为每个问题生成词云
• 核心要求：每份回答仅保留唯一单词，单个受访者重复使用的单词不影响整体统计（比如某受访者重复100次"angry"但其他人都没提，这个词不会被过度加权）

初始数据导入 #

先将Excel问卷数据导入pandas，并提取目标问题的回答：

import pandas as pd
import matplotlib.pyplot as plt
from wordcloud import WordCloud, STOPWORDS

# 导入问卷数据
df = pd.read_excel("./Data - Open Ended Questions.xlsx", sheet_name="Working Data")
# 提取第一个问题的所有回答
df1 = df['question1']

初始尝试的问题 #

最初编写的函数仅返回第一份回答的唯一单词，原因是return语句放在了遍历循环内部，处理完第一行就直接终止了函数，无法汇总所有回答的去重单词：

def words(df):
    l = list()
    
    for index, response in df.items():
            response = response.lower()
            words = response.split()
            
            for word in words:
                if word in l:
                    l
                else:
                    l.append(word)
            return l  # 位置错误，导致仅处理第一行就返回

words(df1)

最终解决方案（参考Zombro提示） #

修正后的函数实现了「单份回答内去重→汇总所有回答」的逻辑，同时处理了大小写统一、标点去除等细节：

import string  # 需导入string包处理标点

def unique_words_per_response(series):
    # 统一转为小写，避免"The"和"the"被当作不同单词
    series = series.str.lower()
    
    # 去除所有标点符号
    series = series.str.translate(str.maketrans("", "", string.punctuation))
    
    # 对每份回答拆分单词后去重，再展开为单列
    series = series.apply(lambda x: pd.Series(x.split()).unique()).explode()
    
    # 首字母大写，让词云显示更美观
    series = series.str.capitalize()
    
    # 拼接成单个字符串，供词云生成使用
    series = ' '.join(series.tolist())

    return series

内容的提问来源于stack exchange，提问作者Exquisite_Poupon