如何从python字典中获取文本元素

Question

我正在尝试从 pandas 专栏中获取一些内容。熊猫数据框是 df 并且有一个名为实体的列。此栏似乎包含字典。其中之一是“hashtags”，其中包含另一个字典“text”。单行中可以有多个“文本”元素。想要获取文本字段的值。下面的例子可以帮助理解。 如果我能获得有关获取主题标签值的指导，将会很有帮助。

df['entities']

输出 =>

0  {'hashtags': [], 'symbols': [], 'user_mentions': [], 'urls': [{'url': '', 'expanded_url': 'https://twitter.com/i/web/status/1460865425911205891', 'display_url': 'twitter.com/i/web/status/1…', 'indices': [117, 140]}]}
1  {'hashtags': [{'text': 'carbon', 'indices': [17, 24]}, {'text': 'nature', 'indices': [48, 55]}], 'symbols': [], 'user_mentions': [], 'urls': [{'url': '', 'expanded_url': 'https://rpujolviven.blogspot.com/2012/10/infinite-growth.html', 'display_url': 'rpujolviven.blogspot.com/2012/10/infini…', 'indices': [61, 84]}, {'url': '', 'expanded_url': 'https...
2  {'hashtags': [{'text': 'Lincoln', 'indices': [69, 77]}], 'symbols': [], 'user_mentions': [], 'urls': [{'url': '', 'expanded_url': 'https://thelincolnite.co.uk/2021/11/professor-duncan-french-the-juggernaut-of-climate-politics-rolls-on/', 'display_url': 'thelincolnite.co.uk/2021/11/profes…', 'indices': [78, 101]}]}
3  {'hashtags': [{'text': 'CBDC', 'indices': [107, 112]}], 'symbols': [], 'user_mentions': [], 'urls': [{'url': , 'expanded_url': 'https://twitter.com/i/web/status/1460865388699344900', 'display_url': 'twitter.com/i/web/status/1…', 'indices': [115, 138]}]}

预期输出：

 0  []
 1  ['carbon', 'nature']
 2  ['Lincoln']
 3  ['CBDC']

Answer 1

试试df['entities'].map(lambda x:[i['text'] for i in x['hashtags']])。

详情（我用的是谷歌colab）：

import pandas as pd
a=pd.Series([ {'hashtags': [], 'symbols': [], 'user_mentions': [], 'urls': [{'url': '', 'expanded_url': 'https://twitter.com/i/web/status/1460865425911205891', 'display_url': 'twitter.com/i/web/status/1…', 'indices': [117, 140]}]}
,{'hashtags': [{'text': 'carbon', 'indices': [17, 24]}, {'text': 'nature', 'indices': [48, 55]}], 'symbols': [], 'user_mentions': [], 'urls': [{'url': '', 'expanded_url': 'https://rpujolviven.blogspot.com/2012/10/infinite-growth.html', 'display_url': 'rpujolviven.blogspot.com/2012/10/infini…', 'indices': [61, 84]}, {'url': '', 'expanded_url': 'https...'}]}
,{'hashtags': [{'text': 'Lincoln', 'indices': [69, 77]}], 'symbols': [], 'user_mentions': [], 'urls': [{'url': '', 'expanded_url': 'https://thelincolnite.co.uk/2021/11/professor-duncan-french-the-juggernaut-of-climate-politics-rolls-on/', 'display_url': 'thelincolnite.co.uk/2021/11/profes…', 'indices': [78, 101]}]}
,{'hashtags': [{'text': 'CBDC', 'indices':[107, 112]}], 'symbols': [], 'user_mentions': [], 'urls': [{'url': '', 'expanded_url': 'https://twitter.com/i/web/status/1460865388699344900', 'display_url': 'twitter.com/i/web/status/1…', 'indices': [115, 138]}]}])
df = a.to_frame(name="entities")
df['entities']
df['entities'].map(lambda x:[i['text'] for i in x['hashtags']])

输出：

0    {'hashtags': [], 'symbols': [], 'user_mentions...
1    {'hashtags': [{'text': 'carbon', 'indices': [1...
2    {'hashtags': [{'text': 'Lincoln', 'indices': [...
3    {'hashtags': [{'text': 'CBDC', 'indices': [107...
Name: entities, dtype: object

0                  []
1    [carbon, nature]
2           [Lincoln]
3              [CBDC]
Name: entities, dtype: object

参考： https://pandas.pydata.org/docs/reference/api/pandas.Series.map.html