创建新列时如何解决Python Pandas分配错误答案

【问题标题】：How to solve Python Pandas assign error when creating new column创建新列时如何解决Python Pandas分配错误
【发布时间】：2021-12-30 23:04:04
【问题描述】：

我有一个包含家庭描述的数据框：

description
0   Beautiful, spacious skylit studio in the heart...
1   Enjoy 500 s.f. top floor in 1899 brownstone, w...
2   The spaceHELLO EVERYONE AND THANKS FOR VISITIN...
3   We welcome you to stay in our lovely 2 br dupl...
4   Please don’t expect the luxury here just a bas...
5   Our best guests are seeking a safe, clean, spa...
6   Beautiful house, gorgeous garden, patio, cozy ...
7   Comfortable studio apartment with super comfor...
8   A charming month-to-month home away from home ...
9   Beautiful peaceful healthy homeThe spaceHome i...

我正在尝试计算每行上的句子数（使用来自nltk.tokenize 的sent_tokenize）并将这些值作为新列sentence_count 附加到df。由于这是更大数据管道的一部分，因此我使用 pandas assign 以便可以链接操作。

不过，我似乎无法让它工作。我试过了：

df.assign(sentence_count=lambda x: len(sent_tokenize(x['description'])))

和

df.assign(sentence_count=len(sent_tokenize(df['description'])))

但两者都会引发以下错误：

TypeError: expected string or bytes-like object

我已确认每一行都有 dtype 和 str。也许是因为description 有dtype('O')？

我在这里做错了什么？在这里使用带有自定义函数的 pipe 可以正常工作，但我更喜欢使用 assign。

【问题讨论】：

标签： python pandas lambda assign

【解决方案1】：

x['description'] 在第一个示例中传递给sent_tokenize 时是pandas.Series。它不是一个字符串。它是一个字符串系列（类似于列表）。

所以你应该这样做：

df.assign(sentence_count=df['description'].apply(sent_tokenize))

或者，如果您需要将额外的参数传递给sent_tokenize：

df.assign(sentence_count=df['description'].apply(lambda x: sent_tokenize(x)))

【讨论】：

最初就是这样做的，但我正在寻找一种在没有df['counts'] = 的情况下链接sent_tokenize 的方法。有没有办法让它成为链式操作的一部分？
是的！有。我没有意识到这就是你试图用df.assign 做的事情:) 现在检查答案。
太好了，谢谢！对于未来的读者来说只有一件事：我认为x['description'] 应该是df['description']。否则会出错