计算字符串观察中单词列表的出现次数

Question

我列出了十个最常见的单词——学术文章摘要。我想统计一下这些单词在我的数据集中出现了多少次。

排名前十的单词是：

top10 = ['model','language','models','task', 'data', 'paper', 'results', 'information', 'text','performance']

前3个观测值的一个例子是：

column[0:3] = ['The models are showing a great performance.',
'The information and therefor the data in the text are good enough to fulfill the task.',
'Data in this way results in the best information and thus performance'.]

所提供的代码应返回特定观察中所有单词的总出现次数列表。我尝试过以下代码，但它给出了错误：count((最多需要3个参数(给定10个(。

我的代码：

count = 0
for sentence in column:
for word in sentence.split():
count += word.lower().count('model','language','models','task', 'data', 'paper', 'results', 'information', 'text','performance')

我还想将所有单词小写并删除标点符号。所以输出应该是这样的：

output = (2, 4, 4)

第一次观察统计了前10名中的2个单词，即型号和性能

第二次观察统计前10个列表中的4个单词，即信息、数据、文本和任务

第三次观察计数数据、结果、数据、信息和性能的4个字

希望你能帮我！

Answer 1

您可以使用regex进行拆分，只需检查它是否在前10名中。

count =[]
for i,sentence in enumerate(column):
c = 0
for word in re.findall('w+',sentence):
c += int(word.lower() in top10)
count += [c]

计数=[2,4,4]