我有一个列的数据帧tweet_text，并lang在那里我想转换的tweet_text时候lang就是en这是一个字符串列表，即['The', 'Squad', 'for']到索引元组列表[(0, 'The'), (1, 'Squad'), (2, 'for')]。
index lang tweet_text
3853 es ALINEACION Este es nuestro once para el paidazo
4129 es fue el leon mas agil
4531 en ['The', 'winner', 'of', 'GOAL', 'OF', 'THE', '...
6316 en ['The', 'Squad', 'for']
8367 en ['The', 'group', 'stage', 'draw', 'will', 'tak...
8696 en ['years', 'ago', 'Leo', 'won', 'his', 'second'...
10509 pt Os nossos guardaredes
10579 en ['and', 'have', 'announced', 'their', 'AllNew'...
10606 en ['TransEnterix', 'almost', 'doubled', 'climbin...
11289 pt Dia de Classico Dia de FC Poo
代码：
df['tweet_text'] = df.apply(lambda x: list(enumerate(x['tweet_text'])) if x['lang'] == 'en' else x['tweet_text'], axis = 1)
将字符串中的每个字符转换为索引元组的当前结果：
index lang tweet_text
3853 es ALINEACION Este es nuestro once para el paidazo
4129 es fue el leon mas agil
4531 en [(0, [), (1, '), (2, T), (3, h), (4, e), (5, '...
6316 en [(0, [), (1, '), (2, T), (3, h), (4, e), (5, '...
8367 en [(0, [), (1, '), (2, T), (3, h), (4, e), (5, '...
8696 en [(0, [), (1, '), (2, y), (3, e), (4, a), (5, r...
10509 pt Os nossos guardaredes
10579 en [(0, [), (1, '), (2, a), (3, n), (4, d), (5, '...
10606 en [(0, [), (1, '), (2, T), (3, r), (4, a), (5, n...
11289 pt Dia de Classico Dia de FC Poo
数据框字典：
'lang': {3853: 'es', 4129: 'es', 4531: 'en', 6316: 'en', 8367: 'en', 8696: 'en', 10509: 'pt', 10579: 'en', 10606: 'en', 11289: 'pt'}, 'tweet_text': {3853: 'ALINEACION Este es nuestro once para el paidazo', 4129: 'fue el leon mas agil', 4531: "['The', 'winner', 'of', 'GOAL', 'OF', 'THE', 'MONTH']", 6316: "['The', 'Squad', 'for']", 8367: "['The', 'group', 'stage', 'draw', 'will', 'take', 'place', 'on', 'Friday', 'afternoon', 'at', 'the', 'official', 'CAF', 'headquaers', 'in', 'Cairo', 'Egy']", 8696: "['years', 'ago', 'Leo', 'won', 'his', 'second', 'Ballon', 'dOr', 'Xavi', 'and', 'completed', 'the', 'podium', 'at', 'the', 'p']", 10509: 'Os nossos guardaredes', 10579: "['and', 'have', 'announced', 'their', 'AllNew', 'FUTURE', 'Z', 'boot', 'and', 'capsule', 'collection']", 10606: "['TransEnterix', 'almost', 'doubled', 'climbing', 'as', 'much', 'as', '97', 'on', 'Monday', 'with', 'volume', 'almost', '13', 'times', 'normal', 'after', 'being', 'ment']", 11289: 'Dia de Classico Dia de FC Poo'}}
这是enin列tweet_text中的问题值不是列表，而是列表的字符串代表。因此有必要将它们转换为列表，方法是ast.literal_eval：
import ast
df['tweet_text'] = df.apply(lambda x: list(enumerate(ast.literal_eval(x['tweet_text']))) if x['lang'] == 'en' else x['tweet_text'], axis = 1)
print (df)
lang tweet_text
3853 es ALINEACION Este es nuestro once para el paidazo
4129 es fue el leon mas agil
4531 en [(0, The), (1, winner), (2, of), (3, GOAL), (4...
6316 en [(0, The), (1, Squad), (2, for)]
8367 en [(0, The), (1, group), (2, stage), (3, draw), ...
8696 en [(0, years), (1, ago), (2, Leo), (3, won), (4,...
10509 pt Os nossos guardaredes
10579 en [(0, and), (1, have), (2, announced), (3, thei...
10606 en [(0, TransEnterix), (1, almost), (2, doubled),...
11289 pt Dia de Classico Dia de FC Poo
本文收集自互联网，转载请注明来源。
如有侵权，请联系 [email protected] 删除。
我来说两句