如何用Python遍历含文本的行生成Bigrams并关联原DataFrame表格

你的函数问题分析 #

• 传入函数的是字符串而非列表，直接用len(input_list)会计算字符长度，不是单词数量，必须先把文本分割成单词列表。
• 循环内append(input_list[1:])逻辑错误，这是截取子列表，不是生成相邻单词的二元组。
• return语句写在循环内部，第一次循环就直接返回，且当输入文本只有单个单词时，函数无返回值，默认返回None，这就是你得到全None的原因。

正确实现方式 #

方法1：修正自定义函数

def find_bigrams(text):
    # 去除首尾空格并分割成单词列表
    words = text.strip().split()
    bigram_list = []
    # 遍历生成相邻单词的二元组
    for i in range(len(words) - 1):
        bigram_list.append((words[i], words[i+1]))
    return bigram_list

应用到DataFrame：

df['Content'] = df['Content'].apply(find_bigrams)

方法2：用列表推导式简化

df['Content'] = df['Content'].apply(
    lambda x: [(x.split()[i], x.split()[i+1]) for i in range(len(x.split())-1)] if len(x.split()) >=2 else []
)

执行后，Content列会生成你期望的二元组列表，同时保留原表格中Company、Code等列的关联关系。

内容的提问来源于stack exchange，提问作者Dhanya_mj