1

我有一个经过处理的数据框,用作训练 NLP 模型的输入:

 sentence_id    words   labels
0   0            a      B-ORG
1   0            b      I-ORG
2   0            c      I-ORG
5   1            d      B-ORG
6   1            e      I-ORG
7   2            f      B-PER
8   2            g      I-PER

我需要将其转换为 ConLL 文本格式,如下所示:

a B-ORG
b I-ORG
c I-ORG

d B-ORG
e I-ORG

f B-PER
g I-PER

CoNLL 格式是一个文本文件,每行一个单词,句子用空行分隔。一行中的第一个单词应该是单词,最后一个单词应该是标签。

有人知道该怎么做吗?

4

1 回答 1

1

首先通过空格连接两列 anf 然后DataFrame.groupby添加最后一个空值并写入文件:

df['join'] = df['words'] + ' ' + df['labels']
#alternative
#df['join'] = df['words'].str.cat(df['labels'], sep=' ')
for i, g in df.groupby('sentence_id')['join']:
    out = g.append(pd.Series({'new':np.nan}))
    out.to_csv('file.txt', index=False, header=None, mode='a')
于 2021-02-25T06:24:21.570 回答