免费注册 查看新帖 |

Chinaunix

  平台 论坛 博客 文库
最近访问板块 发新帖
查看: 3565 | 回复: 1
打印 上一主题 下一主题

[文本处理] 请问如何用perl 提取第一列出现指定次数的关键字 [复制链接]

论坛徽章:
10
15-16赛季CBA联赛之同曦
日期:2016-06-11 19:22:4115-16赛季CBA联赛之深圳
日期:2020-05-31 16:13:5615-16赛季CBA联赛之同曦
日期:2020-01-28 12:42:47每日论坛发贴之星
日期:2016-08-09 06:20:00程序设计版块每日发帖之星
日期:2016-08-09 06:20:00每日论坛发贴之星
日期:2016-07-12 06:20:00程序设计版块每日发帖之星
日期:2016-07-12 06:20:00程序设计版块每日发帖之星
日期:2016-07-06 06:20:00程序设计版块每日发帖之星
日期:2016-07-04 06:20:0015-16赛季CBA联赛之佛山
日期:2021-02-26 09:33:41
1 [报告]
发表于 2020-01-28 15:54 |显示全部楼层
root@lp:~/jw/python/data# cat query.txt |awk '{print $1,$(NF-1),$NF}'|sort|uniq -c|awk '{print $2}'|uniq -c
      1 Query_id
      6 VVC24062
      6 VVC24063
      3 VVC24064

论坛徽章:
10
15-16赛季CBA联赛之同曦
日期:2016-06-11 19:22:4115-16赛季CBA联赛之深圳
日期:2020-05-31 16:13:5615-16赛季CBA联赛之同曦
日期:2020-01-28 12:42:47每日论坛发贴之星
日期:2016-08-09 06:20:00程序设计版块每日发帖之星
日期:2016-08-09 06:20:00每日论坛发贴之星
日期:2016-07-12 06:20:00程序设计版块每日发帖之星
日期:2016-07-12 06:20:00程序设计版块每日发帖之星
日期:2016-07-06 06:20:00程序设计版块每日发帖之星
日期:2016-07-04 06:20:0015-16赛季CBA联赛之佛山
日期:2021-02-26 09:33:41
2 [报告]
发表于 2020-01-28 16:44 |显示全部楼层
我觉得这个数据用pandas处理比较合适,但是我这刚学,给你个刚写的吧。
root@lp:~/jw/python/data# cat query_count.py
# query.txt


import pandas as pd
import re

def get_info(x):
    return re.findall('\[.*\]',x)[0]

name = 'query.txt'
a = pd.read_csv(name,sep='\s\s+',engine='python')
b = pd.DataFrame()
b['id'] = a.Query_id
b['name'] = a.Subject_annotation.apply(get_info)
b['iname'] = b.id + b.name
c = b.iname.unique()
d = pd.Series(c)
e = d.apply(lambda x.split('[')[0]).value_counts()
print(e[e<=5])
root@lp:~/jw/python/data# python query_count.py
VVC24064    3
dtype: int64


2020-01-28 16-41-59 的屏幕截图.png (183.48 KB, 下载次数: 61)

2020-01-28 16-41-59 的屏幕截图.png
您需要登录后才可以回帖 登录 | 注册

本版积分规则 发表回复

  

北京盛拓优讯信息技术有限公司. 版权所有 京ICP备16024965号-6 北京市公安局海淀分局网监中心备案编号:11010802020122 niuxiaotong@pcpop.com 17352615567
未成年举报专区
中国互联网协会会员  联系我们:huangweiwei@itpub.net
感谢所有关心和支持过ChinaUnix的朋友们 转载本站内容请注明原作者名及出处

清除 Cookies - ChinaUnix - Archiver - WAP - TOP