从 pandas 系列中提取 pos_tag_sents

Question

按照线程的建议，我运行代码为我的一个变量中的文本识别不同的 pos。

既然我设法创建了感兴趣的列 - sub['POS'] - 我如何提取我的相关信息 - 所有 NN - 并为它们中的每一个创建一个列？

print(sub['POS'])

5     [(e-mail, JJ), (new, JJ), (delhi, NN), ((, (),...
4     [(bangladesh, JJ), (garment, NN), (unions, NNS...
41    [(listen, VB), (blaze, NN), (wrecks, NNS), (te...
10    [(11:49, CD), (am, VBP), (,, ,), (september, V...
17    [(listen, JJ), (two, CD), (events, NNS), (plan...

作为输出，我想要一个新列（此处为 'NN'），其中包含每行的所有 NN。

df = pd.DataFrame(["delhi", 
                   "garment" , 
                   "blaze", 
                   NaN], columns=['NN'])

Answer 1

所以我假设您在数据框中有一列，其中每一行都是一个元组列表。如果我错了，请纠正我。您希望从该列为每个 'Tag' 创建新列。你觉得下面的内容能达到你想要的效果吗？

import pandas as pd
import numpy as np

df = pd.DataFrame({"line":[[('e-mail', 'JJ'), ('new', 'JJ'), ('delhi', 'NN')]]})

def extract_pos(line,pos):
    return [word[0] for word in line if word[1] == pos]

df['NN'] = [extract_pos(line,'NN') for line in df['line']]
df['JJ'] = [extract_pos(line,'JJ') for line in df['line']]

通过这种方式，您可以根据需要添加许多列，结果可能如下所示。

希望这对您有所帮助，干杯

从 pandas 系列中提取 pos_tag_sents

extract pos_tag_sents from pandas series

python

nltk

part-of-speech

pandas