希望有人能帮我解决这个问题。我正在对一些文本数据进行K-Means聚类。在我的pandas数据框中得到不同的聚类组后，我希望为模型放入数据框的每个聚类组中的“Processed_Data”列的文本创建一个词频列表。创建每个列表后，我希望将它们导出到一个Excel文件中的各个工作表中。对于这段特定代码，我有17个聚类，并希望将17个词频列表导出到一个文件的17个工作表中。

我之前能够分别将每个聚类的数据导出到各自的工作表，并为单个聚类创建词频列表，但在遍历每个聚类组时同时完成这两项任务却没有成功。

示例数据：

|SN |Processed_Data                 |cluster    |
-------------------------------------------------|
|123|hello world good bye world     |    01     |
|111|hello world                    |    01     |
|222|good bye world                 |    02     |
|555|world great                    |    02     |
|543|an african or european swallow?|    03     |
|777|what do you mean?              |    03     |

我希望根据聚类编号将结果放入各个Excel工作表中：

cluster 01:| word | freq|
---------------|
|world |  3  |
|hello |  2  |
|good  |  1  |
|bye   |  1  |
cluster 02: | word | freq|
--------------|
|world |  2  |
|great |  1  |
|good  |  1  |
|bye   |  1  |
ect for each cluster...

这是我尝试过的代码，但似乎对我不起作用。我没有展示所有预处理代码，比如去除大小写、停用词和标点符号，因为我在这方面没有遇到任何问题，而且这增加了帖子的长度。

true_k = 17
model = KMeans(n_clusters=true_k, init='k-means++', max_iter=300, n_init=15)
model.fit(X)
labels=model.labels
data_clusters=pd.DataFrame(list(zip(df['SN'],df['Processed_Data'],labels)),columns=['SN','Processed_Data','cluster'])
data_clusters = data_clusters.sort_values(by=['cluster'])
data_clusters['cluster'] = data_clusters['cluster'].astype(str)
uniques = data_clusters['cluster'].unique()
with pd.ExcelWriter('cluster_test.xlsx') as writer:
    for cluster in uniques:
        a = data_clusters.loc[data_clusters['cluster'] == cluster][['Processed_Data']].str.cat(sep=' ')
        words = nltk.tokenize.word_tokenize(a)
        word_dist = nltk.FreqDist(words)
        rslt = dict((word, freq) for word, freq in word_dist.items() if not word.isdigit())
        rslt = pd.DataFrame(list(word_dist.items()),
                            columns =['Word', 'Freq'])
        rslt = rslt.sort_values(by=['Freq'], ascending=False)
        rslt['Cluster'] = cluster
        rslt.to_excel(writer, index=None, sheet_name=cluster)

提醒一下，我不得不使用 data_clusters['cluster'] = data_clusters['cluster'].astype(str) 将聚类列转换为字符串，这样Excel写入器就可以用聚类编号命名工作表。使用整数命名工作表时出现了问题。想知道这是否可能是问题的一部分。

回答：

这里是一个解决方案：

import openpyxl
df = pd.DataFrame(
   {
    'SN': [123,111,222,555,543,777],
    'Processed_Data':
    ['hello world good bye world','hello world', 'good bye world','world great','an african or european swallow?','what do you mean?'],
    'cluster' : ['01','01','02','02','03','03']
    })
df1 = pd.DataFrame(df.groupby("cluster")["Processed_Data"])
wb = openpyxl.Workbook('Cluster.xlsx')
wb.save('Cluster.xlsx') #Create an excel file
for index, row in df1.iterrows():
    print(index)
    temp_list = row[1].str.split(' ').tolist()
    flat_temp_list = [item for sublist in temp_list for item in sublist]
    temp_df = pd.DataFrame({'words': flat_temp_list })
    temp_df = temp_df.groupby(["words"])["words"].count().reset_index(name="freq")
    with pd.ExcelWriter('Cluster.xlsx',engine="openpyxl", mode="a") as writer:
        temp_df.to_excel(writer, sheet_name='Sheet'+str(index)) 

您的Excel工作表看起来像这样：

words    freq
0   bye     1
1   good    1
2   hello   2
3   world   3
words     freq
0   bye     1
1   good    1
2   great   1
3   world   2
words       freq
0   african   1
1   an        1
2   do        1
3   european. 1
4   mean?     1
5   or        1
6   swallow?  1
7   what      1
8   you       1