[英]forming Bigrams of words in a pandas dataframe
我一直在尝试将包含已标记词的 Pandas 数据帧转换为双字母组,但没有成功。 我尝试了多个代码,但我不断收到错误消息或奇怪的答案。 我大约 2 周前才开始使用 python,我真的很挣扎。 任何帮助,将不胜感激。 谢谢
这是我迄今为止尝试过的。
from nltk.util import ngrams
generic_tweets['bigrams'] = generic_tweets['tweet'].apply(lambda row: list(map(lambda x:ngrams(x,2), row)))
generic_tweets['bigrams'].head()
在哪里
generic_tweets['tweet'].head()
0 [awww, thats, bummer, shoulda, got, david, car...
1 [upset, that, he, cant, update, his, facebook,...
2 [dived, many, time, ball, managed, save, rest,...
3 [whole, body, feel, itchy, like, it, on, fire]
4 [no, it, not, behaving, at, all, im, mad, why,...
5 [not, whole, crew]
6 [need, hug]
我想要的是
0 [(awww, thats), (thats, bummer), (bummer, shoulda)...
1 [(upset, that), (that, he), (he, cant), (cant, update)...
2 [(dived, many), (many, time), (time, ball), (ball, managed)...
但我得到的是
0 [<generator object ngrams at 0x000002A38014B84...
1 [<generator object ngrams at 0x000002A30BA0AB1...
2 [<generator object ngrams at 0x000002A3A9182B8...
3 [<generator object ngrams at 0x000002A3A918713...
4 [<generator object ngrams at 0x000002A3A91874F...
Name: bigrams, dtype: object
此输出的原因隐藏在您正在应用的 lambda 函数的主体中:
generic_tweets['bigrams'] = generic_tweets['tweet'].apply(lambda row: list(map(lambda x:ngrams(x,2), row)))
我相信你应该做的是,而不是应用ngrams(x,2)
do list(ngrams(row,2))
这将摆脱你在答案中得到的生成器,并在单词级别为你提供 ngrams字母:
generi_tweets['bigrams'] = df['tweet'].apply(lambda row: list(nltk.ngrams(row, 2)))
另一件事是,在不包含list
情况下访问数据帧中的值也会公开ngrams
函数的结果。
如果您的熊猫系列没有数组形式,请使用下面的获取二元组
generic_tweets['bigrams'] = generic_tweets['tweet'].apply(lambda row: list(nltk.bigrams(row.split(' '))))
这类似于
list(nltk.bigrams(['abc', 'def', 'ghi']))
输出将是
[['abc', 'def'], ['def', 'ghi']]
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.