Python 代码到系列中的 return 个元素

Question

我目前正在整理一个脚本，用于对抓取的推文进行主题建模，但我遇到了几个问题。我希望能够搜索一个词的所有实例，然后 return 该词的所有实例，加上前后的词，以便为词的使用提供更好的上下文。

我已经标记了所有的推文，并将它们添加到一个系列中，其中相对索引位置用于识别周围的词。

我目前的代码是：

    myseries = pd.Series(["it", 'was', 'a', 'bright', 'cold', 'day', 'in', 'april'], 
                          index= [0,1,2,3,4,5,6,7])

    def phrase(w):
        search_word= myseries[myseries == w].index[0]
        before = myseries[[search_word- 1]].index[0]
        after = myseries[[search_word+ 1]].index[0]
        print(myseries[before], myseries[search_word], myseries[after])

该代码大部分工作，但如果搜索第一个或最后一个单词，则会 return 出错，因为它超出系列的索引范围。有没有办法忽略超出范围的索引并简单地 return 范围内的内容？

当前代码也只有return搜索词前后的词。我希望能够在函数中输入一个数字，然后 returns 前后的一系列单词，但我当前的代码是硬编码的。有没有办法让它return指定范围的元素？

我在创建循环来搜索整个系列时也遇到了问题。根据我写的内容，它要么 return 是第一个元素而不是其他元素，要么一遍又一遍地重复打印第一个元素而不是继续搜索。不断重复第一个元素的有问题的代码是：

    def ws(word):
        for element in tokened_df:
            if word == element:
                search_word = tokened_df[tokened_df == word].index[0]
                before = tokened_df[[search_word - 1]].index[0]
                after = tokened_df[[search_word + 1]].index[0]
                print(tokened_df[before], word, tokened_df[after])

显然我忽略了一些简单的东西，但我终究无法弄清楚它是什么。我如何修改代码，以便如果同一个单词在系列中重复出现，它会 return 每个单词实例，加上周围的单词？我希望它的工作方式遵循“如果条件为真，则执行 'phrase' 函数，如果不为真，则继续执行该系列的逻辑。

Answer 1

是这样的吗？我在你的例子中添加了一个重复的词（“明亮”）。还添加了 n_before 和 n_after 以输入周围单词的数量

import pandas as pd
myseries = pd.Series(["it", 'was', 'a', 'bright', 'bright', 'cold', 'day', 'in', 'april'], 
                          index= [0,1,2,3,4,5,6,7,8])

def phrase(w, n_before=1, n_after=1):
    search_words = myseries[myseries == w].index

    for index in search_words:
        start_index = max(index - n_before, 0)
        end_index = min(index + n_after+1, myseries.shape[0])
        print(myseries.iloc[start_index: end_index])

phrase("bright", n_before=2, n_after=3)

这给出：

1       was
2         a
3    bright
4    bright
5      cold
6       day
dtype: object
2         a
3    bright
4    bright
5      cold
6       day
7        in
dtype: object

Answer 2

这不是很优雅，但您可能需要一些条件句来说明出现在短语开头或结尾的单词。为了解释重复的单词，找到重复单词的所有实例并循环遍历您的打印语句。对于变量 myseries，我重复了单词 cold 两次，所以应该有两个打印语句

import pandas as pd

myseries = pd.Series(["it", 'was', 'a', 'cold', 'bright', 'cold', 'day', 'in', 'april'], 
                          index= [0,1,2,3,4,5,6,7,8])

def phrase(w):
    for i in myseries[myseries == w].index.tolist():
        search_word= i
        if search_word == 0:
            print(myseries[search_word], myseries[i+1])
        elif search_word == len(myseries)-1:
            print(myseries[i-1], myseries[search_word])
        else:
            print(myseries[i-1], myseries[search_word], myseries[i+1])

输出：

>>> myseries
0        it
1       was
2         a
3      cold
4    bright
5      cold
6       day
7        in
8     april
dtype: object

>>> phrase("was")
it was a
>>> phrase("cold")
a cold bright
bright cold day

Python 代码到系列中的 return 个元素

Python code to return elements in a Series

python

nlp

series

topic-modeling