pandas处理数据textrank提取关键词

1.取出第一行内容放入content[]

contents = []
contents = df.ix[:,10]  #第11列数据

2.按类型提取数据

good = df.loc[df["评价类型"]=="好评"]
good_contents = good.ix[:,10]
good_contents.index=list(range(good_contents.shape[0]))  #重新建立索引

3. 提取关键词

def textrank(contents,topK):
    cons = []
    for i in range(len(contents)):
        content = contents[i]
        keywords = jieba.analyse.textrank(content, topK=topK, allowPOS=('n','nz','v','vd','vn','l','a','d'))  # TextRank关键词提取，词性筛选
        word_split = " ".join(keywords)
        #print(word_split)
        cons.append(word_split) #.encode("utf-8")

    result = pd.DataFrame(cons)
    return result

4.将所提取的关键词输出为文件

result.to_csv("keywords.csv", encoding = 'utf-8',index=False)

5.存在的问题

que:：textrank算法会先将输入的内容进行分词，在第一级将每条评论的文本提取出来后，第二级提取所有关键词的关键词时，词与词之间已经用空格分开了。这样是否合理？

--》或者直接根据词频，输出频率最大的关键字

que：做第二级的时候，将第一集的关键词直接用空格拼起来？这样合理吗？

--》待解决

--》形容词、副词别输出了

　　

　　

good = df.loc[df["评价类型"]=="好评"]
good_contents = good.ix[:,10]
good_contents.index=list(range(good_contents.shape[0]))