删除非二元或三元（Yake）的关键字

Question

我正在使用Yake（另一个关键字提取器）从数据帧中提取关键字。 我只想提取bigram和trigram，但是Yake只允许设置最大ngram大小，而不允许设置最小大小。你将如何移除它们

示例df.head（0）：

正文： “是的，是的，我咕哝着说，语言的转变现在已经悬而未决了。”

关键词： “[（'oui'，0.04491197687864554）， （“语言过渡”，0.09700399286574239）， （'mumbled'，0.1583169277998726）]”

我想从关键字栏中删除oui、MUMMED和他们的分数

谢谢你抽出时间

Answer 1

如果您的问题是关键字列表包含一些花押字，您可以简单地执行一个过滤器，忽略没有空格的单词并创建一个新列表。我给你举个例子：

keywords_without_unigrams = []
for kw in keywords:
    if(' ' in kw[0]):
        keywords_without_unigrams.append(kw)
 

for kw in keywords_without_unigrams:
    print(kw)

Answer 2

如果需要处理Yake的Monogram大小写，只需将输出通过一个过滤器，该过滤器仅在该元组的第一个元素中有空格或该元素的str.split（）导致多个子元素时，才会将n-gram添加到结果列表中。如果您正在使用一个函数并将其应用于数据帧，请将此步骤包括在该函数中