Python无需使用循环统计字符串词频并生成指定DataFrame的实现方法

直接使用Python第三方库pandas的内置矢量化接口即可完成，全程无需手动编写循环逻辑，参考代码如下：

import pandas as pd

# 原始字符串
temp = 'a computer is a machine'

# 拆分单词后统计频次，直接生成符合要求的DataFrame
df = pd.Series(temp.split()).value_counts().reset_index()
# 重命名列名匹配要求
df.columns = ['WORD', 'FREQUENCY']

# 输出结果
print(df)

代码逻辑说明 #

• temp.split()默认按空白字符拆分原始字符串，得到所有单词组成的列表
• 转换为pandas的Series对象后调用value_counts()方法，底层自动完成所有单词的频次统计，返回结果的索引为唯一单词，对应值为出现次数
• reset_index()将索引转换为普通数据列，最后修改列名即可得到要求的输出格式

如果不想依赖pandas的统计逻辑，也可以使用Python标准库collections中的Counter实现，代码如下：

import pandas as pd
from collections import Counter

temp = 'a computer is a machine'
# 用Counter完成词频统计
count_res = Counter(temp.split())
# 直接转换为DataFrame
df = pd.DataFrame(count_res.items(), columns=['WORD', 'FREQUENCY'])

两种方案最终输出的结果都和要求的格式完全一致。

内容的提问来源于stack exchange，提问作者Drrr Ready