如何檢測數據框對象的語言？

Question

我想在我的數據框評論中創建一個新列，給出對象類型的列文本的語言。

我嘗試轉換為字符串，然后使用 langdetect 中的檢測函數，但是當我運行代碼時仍然出現類型錯誤。

我不明白這個問題哈哈

我的代碼：

from langdetect import detect


review['langue'] = detect((review['text']).astype(str))

實際結果 ：

--------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)


TypeError: expected string or bytes-like object

Answer 1

如果我正確理解你的問題，你需要

from langdetect import detect
review['langue'] = review['text'].apply(detect)

detect函數期望str作為參數，而不是pd.Series 。 相反，您應該將detect功能應用於review['text'] pd.Series每個元素。

Answer 2

添加到kvorobieb提供的答案中，您可以創建一個函數，以便即使檢測在給定文本中找不到任何字母表也能正常工作：

from langdetect import detect
def detect_my(text):
   try:
       return detect(text)
   except:
       return 'unknown'

review['langue'] = review['text'].apply(detect_my)

Answer 3

您可以使用以下代碼來檢測每一行的語言

for index, row in df['text'].iteritems():
    lang = detect(row) #detecting each row
    df.loc[index, 'language'] = lang