下面是一個資料框架、一個字典和一個代碼的例子，該代碼可以作業，但對于巨大的字典來說效率極低。資料框架的其中一列包含句子。代碼從句子中提取每個詞，檢查它是否在字典中，并將其值分配給它。這些值的平均值（每句或每行）被計算出來并保存在一個額外的列中。
import pandas as pd
test_df = pd.DataFrame({
'_id': ['1a','2b','3c','4d'] 。
'column': ['und der in zu',
'Kompliziertereswort something',
'Lehrerin in zu [Buch]',
'Buch (Lehrerin) kompliziertereswort']})
{'und': 20,
'der': 10,
'in': 40,
'zu': 10,
'Kompliziertereswort': 2,
'Buch': 5,
'Lehrerin': 5}。
pat = fr"({'|'.join(map(re.escape, d))}) "
test_df['score'] = test_df[' column'].str. extractall(pat)[0].map（d）.mean(level=0)
print(test_df)
_id列分數
0 1a und der in zu 20.0
1 2b Kompliziereswort something 2.0
2 3c Lehrerin in zu [Buch] 15.0[/span].
34d Buch (Lehrerin) kompliziereswort 5.0
既然翻閱字典比使用regex更有效，我相信一定有辦法使用一個函式將句子分割成單詞，只檢查它們是否在字典中，并計算出平均值。我還將字典轉化為一個資料框架，并使用explode()，但這也是完全沒有效率的。
uj5u.com熱心網友回復：
使用：
import string
test_df['score'] = (test_df['column'].str.split(expand=True)
.stack()
.str.strip(string.pubctuation)
.map(d)
.groupby(level=0)
.mean())
print(test_df)
_id列分數
0 1a und der in zu 20.0
1 2b Kompliziereswort something 2.0
2 3c Lehrerin in zu [Buch] 15.0[/span].
34d Buch (Lehrerin) kompliziereswort 5.0
或者：
f = lambda x: np.nanmean([d.get(y, np.nan) for y in x.split() ] )
test_df['score'] = test_df['column'].str. replace('[^ws]','', regex=True) .apply(f)
_id列得分
0 1a und der in zu 20.0
1 2b Kompliziereswort something 2.0
2 3c Lehrerin in zu [Buch] 15.0[/span].
34d Buch (Lehrerin) kompliziereswort 5.0
uj5u.com熱心網友回復：
你可以試試：
test_df['score'] = test_df['umn']。 str.split(r'W').explode()
.map(d).groupby(level=0).mean()
輸出：
>>> test_df
_id列分數
0 1a und der in zu 20.0
1 2b Kompliziereswort something 2.0
2 3c Lehrerin in zu [Buch] 15.0[/span].
34d Buch (Lehrerin) kompliziereswort 5.0
轉載請註明出處，本文鏈接：https://www.uj5u.com/caozuo/323840.html
標籤：