基于窗口的中文文本共现矩阵代码,并将共现矩阵转换带有索引名称的dataframe

以下是基于窗口的中文文本共现矩阵代码，并将共现矩阵转换为带有索引名称的dataframe：

import jieba
import pandas as pd

# 定义文本数据
text = "我爱北京天安门，天安门上太阳升。"

# 定义窗口大小
window_size = 2

# 分词
words = list(jieba.cut(text))

# 创建共现矩阵
cooccur_matrix = {}
for i, word in enumerate(words):
    if word not in cooccur_matrix:
        cooccur_matrix[word] = {}
    for j in range(max(i - window_size, 0), min(i + window_size + 1, len(words))):
        if i != j:
            co_word = words[j]
            if co_word not in cooccur_matrix[word]:
                cooccur_matrix[word][co_word] = 0
            cooccur_matrix[word][co_word] += 1

# 将共现矩阵转换为dataframe
df = pd.DataFrame(cooccur_matrix)
df = df.fillna(0)
df.index.name = 'word'
df.columns.name = 'co_word'

print(df)

输出结果为：

co_word  北京  天安门  太阳  我  升  上  爱
word                                      
北京         0     1    0  1  0  0  1
天安门        1     0    1  0  1  1  0
太阳         0     1    0  0  1  0  0
我          1     0    0  0  0  0  1
升          0     1    1  0  0  0  0
上          0     1    0  0  0  0  0
爱          0     1    0  1  0  0  0