我如何才能将 pandas 数据帧中的字符串列举出来？

问题描述

我有一个Python Pandas DataFrame，其中我需要对其中两列中的单词进行词汇化。我正在使用Spacy进行此操作。

import spacy
nlp = spacy.load("en")

我正在尝试使用基于此示例的词汇化(它工作得非常好)：

doc3 = nlp(u"this is spacy lemmatize testing. programming books are more better than others")
for token in doc3: 
    print (token, token.lemma, token.lemma_)

我已经重写了这段代码，以循环访问我的数据帧中一列的每一行：

for row in example['col1']:
    for token in row:
        print(token.lemma_)

这很管用，但是我想不出如何用词汇化的单词替换col1中的单词。

我试过了，它不会返回错误，也不会替换任何单词。知道哪里出了问题吗？

for row in example['col1']:
    for token in row:
        token = token.lemma_

---

解决方案

在代码的最后一个for循环中，您重复地将其属性token赋给变量token.lemma_，然后一次又一次地执行此操作(在每次迭代时覆盖该属性，而不跟踪以前的值)。

相反，假设您的数据帧包含字符串，如

example = pd.DataFrame({"col1":["this is spacy lemmatization testing.", "some programming books are better than others", "sounds like a quote from the Smiths"]})

apply和列表理解可以使用：

example["col1"].apply(lambda row: " ".join([w.lemma_ for w in nlp(row)]))