在Python中去除无意义词

我想在我的数据集中去除无意义词。

我在StackOverflow上看到了一些类似这样的方法并尝试了:

import nltkwords = set(nltk.corpus.words.words())sent = "Io andiamo to the beach with my amico."" ".join(w for w in nltk.wordpunct_tokenize(sent) \     if w.lower() in words or not w.isalpha())

但现在我有一个数据框,我该如何遍历整个列呢?

我尝试了类似这样的方法:

import nltkwords = set(nltk.corpus.words.words())sent = df['Chats']df['Chats'] = df['Chats'].apply(lambda w:" ".join(w for w in nltk.wordpunct_tokenize(sent) \     if w.lower() in words or not w.isalpha()))

但我得到了一个错误 TypeError: expected string or bytes-like object


回答:

像下面这样的代码将生成一个名为Clean的新列,并将你的函数应用于Chats

words = set(nltk.corpus.words.words())def clean_sent(sent):    return " ".join(w for w in nltk.wordpunct_tokenize(sent) \     if w.lower() in words or not w.isalpha())df['Clean'] = df['Chats'].apply(clean_sent)

要更新Chats列本身,可以使用原始列覆盖它:

df['Chats'] = df['Chats'].apply(clean_sent)

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注