我遇到了遍歷由 200.000 行組成的 Pandas DataFrame 的問題。每行由不同長度的句子組成，我希望將其拆分為特殊字符，如 re.split 方法所示。我想做的是通過為它們分配一個唯一的 ID 來跟蹤哪些句子被分成了多少個子句子。我現在擁有的是：lengths = []reviews = []for sentence in corpus: subsentence = re.split(r'[.|,|?|!]', str(sentence)) for i in review: lengths.append(len(review)) reviews.append(i)df = pd.DataFrame({'review':reviews,'length': lengths})結果數據框的圖片我想要的是拆分成多個子句的句子共享一個唯一的 ID，這樣我就可以再次將它們粘合在一起。
1 回答
縹緲止盈
TA貢獻2041條經驗 獲得超4個贊
lengths = []
reviews = []
unique_ids = []
unique_id = 0
for sentence in corpus:
review = re.split(r'[.|,|?|!]', str(sentence)) #assuming here that subsentences == review
for i in review:
lengths.append(len(review))
reviews.append(i)
unique_ids.append(unique_id)
unique_id += 1
df = pd.DataFrame({'review':reviews,'length': lengths, 'unique_ids': unique_ids})
添加回答
舉報
0/150
提交
取消