我正在尝试通过存储在.csv文件中名为“text”的列中的推文进行解析。我想使用正则表达式,TweetTokenizer等,但这一切都要求文本以字符串形式(据我所知)。
我看到这篇文章:
Parsing a tweet inside a csv column in Python
但对我来说,代码太具体了,无法找到主题标签。我确实想这样做,但有没有人知道如何更普遍地将“text”列中的文本转换为字符串,以便我可以解析?
谢谢,punpun
读取csv文件时,应将文本列导入为字符串:
df = pd.read_csv('tweet.csv')
print(df)
输出:
user text
0 scotthamilton is upset that he can't update his Facebook by ...
1 mattycus @Kenichan I dived many times for the ball. Man...
2 ElleCTF my whole body feels itchy and like its on fire
3 Karoli @nationwideclass no, it's not behaving at all....
4 joy_wolf @Kwesidei not the whole crew
5 mybirch Need a hug
print(df.dtypes)
输出:
user object
text object
dtype: object
Pandas object
dtype与Python str
类型相同,用于文本。
如果确实需要将列类型转换为str,则可以使用以下命令:
df.text = df.text.astype(str)