作为一名语言学家和python初学者,我希望在我自己的(德语)推特语料库中找到单词搭配。如何将pandas数据帧(仅一列=tweet)中的tweet转换为单词列表,然后使用nltk搭配查找器? 我的版本(如下)创建了一个字母列表,而不是一个单词列表,只给出字母搭配。 任何建议都很好
这就是我到目前为止所做的:
import pandas as pd
data = pd.read_csv("tweets.csv")
import regex as re
def cleaningTweets(twt):
twt = re.sub('@[A-ZÜÄÖa-züäöß0-9]+', '', twt)
twt = re.sub('#', '', twt)
twt = re.sub('https?:\/\/\S+', '', twt)
return twt
df = pd.DataFrame(data)
df.tweet = df.tweet.apply(cleaningTweets)
df.tweet = df.tweet.str.lower()
from textblob_de import TextBlobDE as TextBlob
df["tweet_tok"] = df["tweet"].apply(lambda x: " ".join(TextBlob(x).words))
all_words = ' '.join([text for text in df.tweet_tok])
tweettext = nltk.Text(all_words)
如果您所追求的只是一个句子中的单词列表,那么我认为您正在寻找Python
string
对象上的.split
方法。Pandas有一个内置方法,可以将字符串拆分应用于数据帧(或系列)中的每一行,并在需要时扩展到各个列例如,尝试这段代码,看看它是否符合您的要求:
几点注意:
.split()
拆分,但您可以传递任何字符来执行拆分,例如.split('a')
expand=False
以将列表保留在每行中,而不是扩展到列中相关问题 更多 >
编程相关推荐