我有一个包含评论文本的熊猫数据框。在文本预处理之后,我最终得到了每行中的字符串列表。现在我想遍历这些字符串列表的每一行来检查每个字符串是否是英文的。我想计算非英语单词的出现次数以创建另一列“出现次数”。
对于英语检查,我将使用 pyenchant 库。
类似于下面的代码
review_text sentiment error_related
0 [simple, effective, way, new, word, kid] 1 NaN
1 [fh, fcfatgv] 1 NaN
2 [son, loved, easy, even, though, son, first, g... 1 NaN
english_dict = enchant.Dict("en_US")
def enlgish_counter(df, df_text_column):
number_of_non_english_words = []
for review in df_text_column:
for word in review:
a=0
if english_dict.check(i)==False:
a=a+1
non_english_words.append(a)