Python中对字符串ndarray执行lemmatize操作时遭遇TypeError的解决方法问询

Hey Juan, let's break down your problem and fix it step by step.

一、为什么会抛出TypeError？ #

你这里其实踩了两个小坑：

1. 字符串是不可变对象：Python里的字符串一旦创建，就没法直接修改它的单个字符。你写的X[i][j]是在取X[i]这条短信（字符串）的第j个字符，然后试图给这个字符赋值——这就触碰了字符串不可变的特性，所以报错。而你说的x = "xyz"再x = "lkjsl"是给变量x重新绑定一个全新的字符串，不是修改原有字符串的内部元素，这俩操作本质完全不一样。
2. 循环逻辑多余：你的内层for j in range(len(X[i]))完全没必要！X[i]本身就是一条完整的短信句子，你的lemmatizeSentence函数就是用来处理整个句子的，根本不需要遍历句子里的每个字符。

二、几种可行的解决方法 #

方法1：修正循环逻辑，直接修改原numpy数组 #

既然X是numpy的字符串数组，你可以直接对每个元素（整条句子）调用词形还原函数，去掉多余的内层循环就行：

for i in range(len(X)):
    # 直接把整条句子传入函数，替换X[i]的内容
    X[i] = lemmatizeSentence(X[i])

这里是给numpy数组的元素X[i]重新赋值一个新字符串，不是修改原有字符串的内部字符，所以不会报错。

方法2：创建新数组X1（推荐更简洁的写法） #

如果不想改动原数组，用列表推导式批量处理会更高效优雅：

# 遍历X里的每个句子，批量处理后转成numpy数组
X1 = numpy.array([lemmatizeSentence(sentence) for sentence in X])

这种写法比手动写循环更简洁，也符合Python的惯用风格。

方法3：直接用Pandas处理（最推荐） #

其实你完全没必要转成numpy数组，直接在DataFrame上操作更省心：

df = pd.read_excel('spam.xlsx')
df['Class'] = df.Class.map({'ham':0, 'spam':1})
# 把下面的'短信内容列'换成你实际的列名（比如'text'）
df['processed_text'] = df['短信内容列'].apply(lemmatizeSentence)
# 之后按需提取X和Y
X = df['processed_text'].to_numpy()
Y = df['Class'].to_numpy().astype('int')

这种方式代码更简洁，也能避免numpy数组操作的一些小坑。

内容的提问来源于stack exchange，提问作者Juan