如何获得每组连续X次以上相同单词的平均值？

Question

如何获得每组 X 次以上相同单词的平均值？但在这里，我想连续获得每组（group = name）相同单词超过 4 次的平均值。例子：id | name | sentences---------------------1  |  aa  | david hi david david david2  |  aa  | david david is at home3  |  bb  | I'm king4  |  cc  | where r u going5  |  dd  | lol lol lol lol lol lol6  |  ee  | abc abc cc abc abc abc abc cc7  |  ee  | dd dd dd ee dd dd dd我想得到以下结果：name | avg----------aa   |  0.0   (0 sentence contain the words 'david' continuously 4 times in ). total instances of 'aa' group is 2bb   |  0.0   (0 sentence contains same word continuously 4 times) cc   |  0.0   (0 sentence contains same word continuously 4 times)dd   |  1.0   (1 sentence contains same word 'lol' continuously 4 times). total instances of 'dd' group is 1ee   |  0.5   (1 sentence contains same word 'abc' continuously 4 times). total instances of 'dd' group is 2I'm using python 3.6.8

Answer 1

您可以4使用以下方法对连续出现的单词或连续多次进行计数Series.str.count，然后使用Series.groupby对系列cnt进行分组name并使用聚合mean来获得分组平均值。

cnt = df['sentences'].str.count(r'(\w+)(\s\1){3,}')

avg = cnt.groupby(df['name']).mean().reset_index(name='avg')

细节：

print(cnt)

0    0

1    0

2    0

3    0

4    1

5    1

6    0

Name: sentences, dtype: int64

print(avg)

  name  avg

0   aa  0.0

1   bb  0.0

2   cc  0.0

3   dd  1.0

4   ee  0.5