文本分析：使用python查找列中最常见的词

Question

我创建了一个仅包含主题行列的数据框。

df = activities.filter(['Subject'],axis=1)
df.shape

此返回此数据框：

    Subject
0   Call Out: Quadria Capital - May Lo, VP
1   Call Out: Revelstoke - Anthony Hayes (Sr Assoc...
2   Columbia Partners: WW Worked (Not Sure Will Ev...
3   Meeting, Sophie, CFO, CDC Investment
4   Prospecting

然后我尝试使用此代码分析文本：

import nltk
top_N = 50
txt = df.Subject.str.lower().str.replace(r'\|', ' ')
words = nltk.tokenize.word_tokenize(txt)
word_dist = nltk.FreqDist(words)

stopwords = nltk.corpus.stopwords.words('english')
words_except_stop_dist = nltk.FreqDist(w for w in words if w not in stopwords) 

rslt = pd.DataFrame(word_dist.most_common(top_N), columns=['Word', 'Frequency'])
print(rslt)

我得到的错误消息是：'Series'对象没有属性'Subject'

Answer 1

由于在此行中将df转换为系列，所以引发了错误：

df = activities.filter(['Subject'],axis=1)

所以当你说：

txt = df.Subject.str.lower().str.replace(r'\|', ' ')

df是Series，没有属性Series。尝试替换为：

txt = df.str.lower().str.replace(r'\|', ' ')

或者也不要在之前将DataFrame过滤到单个Series上，然后>

txt = df.Subject.str.lower().str.replace(r'\|', ' ')
应该工作。