如何使用类别中的单词词典从文本片段中提取特定单词？

Question

我想从数据框中的文本中提取特定的单词。 这些词我已经输入到字典的列表中，它们属于某些类别（键）。 从这里我想创建与存储单词的类别相对应的列。 与往常一样，最好通过示例来说明：

我有一个数据框：

df = pd.DataFrame({'Text': ["This car is fast, agile and large and wide", "This wagon is slow, sluggish, small and compact with alloy wheels"]}  )  

创建表：

    Text
0   This car is fast, agile and large and wide
1   This wagon is slow, sluggish, small and compact with alloy wheels

以及我想从中提取的类别中的单词词典。 这些单词都是没有符号的自然语言单词，并且可以包含短语，例如本例中的“合金车轮””（这不一定是字典，我只是觉得这是最好的方法）：

myDict = {
  "vehicle": ["car", "wagon"],
  "speed": ["fast", "agile", "slow", "sluggish"],
  "size": ["large", "small", "wide", "compact"]
  "feature": ["alloy wheels"]
}

从这里我想创建一个看起来像这样的表：

|     Text                                                          | vehicle | speed          | size           | feature      |
| ----------------------------------------------------------------- | ------- | -------------- | -------------- | ------------ |
| This car is fast, agile and large and wide                        | car     | fast, agile    | large, wide    | NaN          |
| This wagon is slow, sluggish, small and compact with allow wheels | wagon   | slow, sluggish | small, compact | alloy wheels |

提前为帮助干杯！ 很想使用正则表达式，但欢迎任何解决方案！

Answer 1

有很多方法可以解决这个问题。 我可能开始的一种方法是：定义一个 function 如果它们与您的句子匹配，则返回一个单词列表。

    def get_matching_words(sentence, category_dict, category):
        
        matching_words = list()

        for word in category_dict[category]:
             if word in sentence.split(" "):
                   matching_words.append(word)

        return matching_words

然后，您想将此 function 应用于您的 pandas dataframe。

    df["vehicle"] = df["Text"].apply(lambda x: get_matching_words(x, "vehicle", my_dict))

    df["speed"] = df["Text"].apply(lambda x: get_matching_words(x, "speed", my_dict))

这里唯一要添加的是将列表连接成一个字符串，而不是返回一个列表。

def get_matching_words(sentence, category_dict, category):
        
        matching_words = list()

        for word in category_dict[category]:
             if word in sentence:
                   matching_words.append(word)

        return ",".join(matching_words)