我有一個 pandas 數據框，其中包含一列數千條評論。我想遍歷列中的每一行，檢查評論是否包含我創建的單詞列表中找到的任何單詞，如果評論包含我的列表中的單詞，我想將其標記為一個單獨的列。到目前為止，這是我的代碼中的內容：retirement_words_list = ['match','matching','401k','retirement','retire','rsu','rrsp']def word_checker(row): for sentence in df['comments']: if any(word in re.findall(r'\w+', sentence.lower()) for word in retirement_words_list): return '401k/Retirement' else: return 'Other'df['topic'] = df.apply(word_checker,axis=1) 該代碼將我的數據框中的每一條評論標記為“其他”，即使我已經仔細檢查許多評論包含我的列表中的一個或多個單詞。關于如何糾正我的代碼有什么想法嗎？我非常感謝你的幫助。
2 回答
米琪卡哇伊
TA貢獻1998條經驗 獲得超6個贊
擁有一個集合版本retirements_word_list（為了有效地包括測試）然后循環句子中的單詞，檢查該集合中的包含情況可能更方便，而不是相反：
retirement_words_list = ['match','matching','401k','retirement','retire','rsu','rrsp']
retirement_words_set = set(retirement_words_list)
進而
if any(word in retirement_words_list for word in sentence.lower().split()):
# .... etc ....
您的代碼只是檢查 in 中的任何單詞是否retirement_words_list是句子的子字符串，但實際上您必須尋找整個單詞匹配，否則將 and 包含'matching'在'retirement'列表中是沒有意義的，因為'match'and'retire'已經包含在內。因此使用split- 以及我們也可以反轉邏輯的原因。
注意：您可能需要進行一些進一步的更改，因為您的函數word_checker有一個名為的參數row，但它不使用該參數?？赡苣阆胱龅氖虑槭沁@樣的：
def word_checker(sentence):
if any(word in retirement_words_list for word in sentence.lower().split()):
return '401k/Retirement'
else:
return 'Other'
和：
df['topic'] = df['comments'].apply(word_checker,axis=1)
其中sentence是該列中每一行的內容comments。
FFIVE
TA貢獻1797條經驗 獲得超6個贊
這個簡化版本（沒有正則表達式）不起作用嗎？
if any(word in sentence.lower() for word in retirement_words_list):
添加回答
舉報
0/150
提交
取消