时间戳

首页 > 解决方案 > 从python中的句子中提取单词

python - 从python中的句子中提取单词

问题描述

我有一个文本/csv 文件格式的数据集。它有 2 列这样 =

ID - TEXT
1 - this probability is 10-15% 
2 - approximately 20% probablity 
3 - 15% probability

我正在尝试使用 NLTK 从存在关键字的数据中提取数字'Probability'。

这就是我的代码的样子。

import pandas as pd
import nltk
from nltk import sent_tokenize, word_tokenize

data_file = pd.read_excel(r'data_excel.xlsx',sheet_name = 'data')

df = pd.DataFrame(data_file, columns = ['ID','TEXT'])
keywords = ["probability"]

id_text = nltk.Text(str(df.ID).splitlines()) 
text_value = nltk.Text(str(df.TEXT).splitlines())

我希望输出看起来像这样 -

ID - Value 
1 - 10
2 - 20
3 - 15

如果有人可以朝正确的方向轻推，那将非常有帮助。

标签： pythonnltk

解决方案

这段代码应该可以工作或至少让你解决它 这是完整的代码

import csv
import nltk
impor re
import pandas as pd
from nltk import sent_tokenize, word_tokenize

tweet = []

data_file = pd.read_excel(r'data_excel.xlsx',sheet_name = 'data')
df = pd.DataFrame(data_file, columns = ['ID','TEXT'])


cols = ['ID', 'Num']
newDataFrame = pd.DataFrame(columns=cols)


#this should provide you with a list of both ID and txt
ID = df.iloc[:,0].values
TEXT  = df.iloc[:,1].values


#loop throug the id and set occurence of the number of probability
for i in range(1, len(ID)):
    number_list = re.findall(r'\b\d+\b', TEXT[i])

    newDataFrame.iloc[i].ID = ID
    newDataFrame.iloc[i].Num = number_list

print(newDataFrame)

推荐阅读