python - 在 pandas 列/索引上应用 NLTK 词干提取

Question

我想将 DataFrame 的列和索引限制为这样的东西

ps = PorterStemmer()
df_dic = pd.read_csv('inquirerbasic_clean.csv', sep=';', index_col=0).T
print(type(df_dic))  # pandas.core.frame.DataFrame
df_dic.index = ps.stem(df_dic.index.str.lower())
df_dic.columns = ps.stem(df_dic.columns.str.lower())

我得到这个错误：

  File "<ipython-input-18-0156717e5956>", line 5, in <module>
    df_dic.index = ps.stem(df_dic.index.str.lower())

  File "/usr/lib/python3.6/site-packages/nltk/stem/porter.py", line 632, in stem
    stem = self.stem_word(word.lower(), 0, len(word) - 1)

AttributeError: 'Index' object has no attribute 'lower'

另外，如果我将索引转换为列表：

ps.stem(list(df_dic.index.str.lower()))

我收到一条等效的错误消息：

  File "/usr/lib/python3.6/site-packages/nltk/stem/porter.py", line 632, in stem
    stem = self.stem_word(word.lower(), 0, len(word) - 1)

AttributeError: 'list' object has no attribute 'lower'

那么，我该如何阻止它们呢？

Answer 1

这些适用于字符串，而不是列表，因此ps.stem使用map.

df_dic.index = df_dic.index.str.lower().map(ps.stem)
df_dic.columns = df_dic.columns.str.lower().map(ps.stem)

如果这不适合您（无论出于何种原因），请使用列表理解：

df_dic.index = [ps.stem(v.lower()) for v in df_dic.index]

等等。