dataframe某列是英文text，怎么提取关键词和权重，举例

可以使用Python中的nltk包进行关键词提取和权重计算。

首先，需要安装nltk包和相关的数据集，比如stopwords和punkt。可以使用以下命令安装：

!pip install nltk
import nltk
nltk.download('stopwords')
nltk.download('punkt')

然后，对于DataFrame中的英文文本列，可以使用以下代码进行关键词提取和权重计算：

import nltk
from nltk.corpus import stopwords
from nltk.tokenize import word_tokenize
from collections import Counter

# 加载停用词
stop_words = set(stopwords.words('english'))

# 定义函数，用于提取关键词和权重
def extract_keywords(text):
    # 将文本转换为小写，并分词
    tokens = word_tokenize(text.lower())
    # 去除停用词和标点符号
    tokens = [token for token in tokens if token.isalnum() and token not in stop_words]
    # 计算词频
    freq = Counter(tokens)
    # 返回前10个出现频率最高的词和对应的权重
    return freq.most_common(10)

# 示例：提取DataFrame中名为'text'的列中的关键词和权重
df['keywords'] = df['text'].apply(extract_keywords)

以上代码会将DataFrame中名为'text'的列中每行文本提取出前10个出现频率最高的单词和对应的权重，结果保存在新的'keywords'列中。需要注意的是，这里的权重是指单词在文本中出现的次数，而不是TF-IDF等更复杂的权重计算方法。如果需要使用TF-IDF等方法计算权重，可以参考nltk包中的相关函数。