时间戳

首页 > 解决方案 > 用于返回系列中的元素的 Python 代码

python - 用于返回系列中的元素的 Python 代码

问题描述

我目前正在为抓取推文的主题建模编写一个脚本，但我遇到了几个问题。我希望能够搜索一个单词的所有实例，然后返回该单词的所有实例，加上之前和之后的单词，以便为单词的使用提供更好的上下文。

我已经标记了所有推文，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单词。

我目前拥有的代码是：

    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])

该代码大部分都有效，但如果搜索第一个或最后一个单词，则会返回错误，因为它超出了 Series 的索引范围。有没有办法忽略超出范围的索引并简单地返回范围内的内容？

当前代码也只返回搜索词前后的词。我希望能够在函数中输入一个数字，然后返回之前和之后的一系列单词，但我当前的代码是硬编码的。有没有办法让它返回指定范围的元素？

我在创建循环来搜索整个系列时也遇到问题。根据我写的内容，它要么返回第一个元素而不返回其他任何内容，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事情，但我一生都无法弄清楚它是什么。如何修改代码，以便如果在系列中重复相同的单词，它将返回单词的每个实例以及周围的单词？我希望它的工作方式遵循“如果条件为真，则执行“短语”功能的逻辑，如果不为真，则继续执行该系列。

标签： pythonnlpseriestopic-modeling

解决方案

像这样的东西？我在您的示例中添加了一个重复的词（“明亮”）。还添加n_before并n_after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)

这给出了：

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

推荐阅读