为什么我的关键字排名列表在文本分析中排名前 1？

问题描述

我正在做一个关键字频率排名。但是，前 1 位是 ''，我不知道。我已经尝试删除标点符号和空值。 代码如下：

def get_keywords(row):
    Vbtm = row['a1']
    lowered = Vbtm.lower()
    tokens = nltk.tokenize.word_tokenize(lowered)
    punctuations = ['(',')',';',':','[',']',','’','”','“','.',']
    extra=['','null',' ']
    keywords = [keyword for keyword in tokens if keyword.isalpha() and not keyword in stop_words \
                and not keyword in extra and not keyword in punctuations]
    keywords_string = ','.join(keywords)
    return keywords_string

df['keywords'] = df.apply(get_keywords,axis=1)

wfq=Counter(df.keywords)
wfq_sorted = sorted(wfq.items(),key=lambda kv: kv[1],reverse=True)


for w in wfq_sorted[:30]:
    print(w)

这是我得到的结果：

    ('',2379)                --What is ''? and how to remove that?
    ('reliability',134)
    ('reliable',129)
    ('good,service',54)           --also,anyone kNow why these two words are stick together?
    ('service',29)
    ('dependable',27)
    ('great,24)
    ('dependability',23)
...

谢谢。

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）