dataframe某列是英文text，怎么提取关键词与之关联的其它某列权重，保留权重高的几个词语，举例

可以使用Python中的nltk库进行关键词提取，并结合pandas库进行数据处理。

具体步骤如下：

1. 导入所需库

import pandas as pd
from nltk.tokenize import word_tokenize
from nltk.corpus import stopwords
from nltk.probability import FreqDist

2. 读取数据

假设我们有一个名为df的数据框，其中包含两列数据：text和weight。

df = pd.read_csv('data.csv')

3. 定义关键词提取函数

def extract_keywords(text, weight, num_keywords=5):
    # 将文本转换为小写
    text = text.lower()
    # 分词
    tokens = word_tokenize(text)
    # 移除停用词
    stop_words = set(stopwords.words('english'))
    tokens = [t for t in tokens if t not in stop_words]
    # 计算词频
    freq_dist = FreqDist(tokens)
    # 按权重排序
    sorted_words = sorted(freq_dist.items(), key=lambda x: weight[x[0]], reverse=True)
    # 提取关键词
    keywords = [w[0] for w in sorted_words[:num_keywords]]
    return keywords

这个函数接受三个参数：text表示要提取关键词的文本，weight表示与文本相关联的权重，num_keywords表示要提取的关键词数量。该函数的返回值是一个包含关键词的列表。

4. 应用关键词提取函数

df['keywords'] = df.apply(lambda row: extract_keywords(row['text'], row['weight']), axis=1)

这个代码将apply函数应用于数据框的每一行。apply函数接受一个函数作为参数，并将该函数应用于每一行。在这里，我们将extract_keywords函数作为apply函数的参数，并使用lambda函数将text和weight传递给该函数。

5. 保留权重高的几个词语

def extract_top_keywords(text, weight, num_keywords=5, num_top=3):
    keywords = extract_keywords(text, weight, num_keywords)
    top_keywords = sorted(keywords, key=lambda x: weight[x], reverse=True)[:num_top]
    return top_keywords

df['top_keywords'] = df.apply(lambda row: extract_top_keywords(row['text'], row['weight']), axis=1)

这个代码与之前的代码类似，只是在extract_keywords函数的基础上添加了一个num_top参数，用于保留权重高的几个词语。在这里，我们使用sorted函数对关键词进行排序，并使用切片操作保留前num_top个关键词。

综上，完整的代码如下：

import pandas as pd
from nltk.tokenize import word_tokenize
from nltk.corpus import stopwords
from nltk.probability import FreqDist

def extract_keywords(text, weight, num_keywords=5):
    # 将文本转换为小写
    text = text.lower()
    # 分词
    tokens = word_tokenize(text)
    # 移除停用词
    stop_words = set(stopwords.words('english'))
    tokens = [t for t in tokens if t not in stop_words]
    # 计算词频
    freq_dist = FreqDist(tokens)
    # 按权重排序
    sorted_words = sorted(freq_dist.items(), key=lambda x: weight[x[0]], reverse=True)
    # 提取关键词
    keywords = [w[0] for w in sorted_words[:num_keywords]]
    return keywords

def extract_top_keywords(text, weight, num_keywords=5, num_top=3):
    keywords = extract_keywords(text, weight, num_keywords)
    top_keywords = sorted(keywords, key=lambda x: weight[x], reverse=True)[:num_top]
    return top_keywords

df = pd.read_csv('data.csv')
df['keywords'] = df.apply(lambda row: extract_keywords(row['text'], row['weight']), axis=1)
df['top_keywords'] = df.apply(lambda row: extract_top_keywords(row['text'], row['weight']), axis=1)

其中，data.csv是一个包含text和weight列的csv文件。