如何将DataFrame提取的命名实体存入列表？TypeError报错求解

看起来你遇到的问题根源很明确：你的df['Article']列里存在缺失值（NaN），而NaN在pandas中是以float类型存储的。当spaCy的nlp()函数尝试处理这个float类型的对象时，就会触发TypeError: object of type 'float' has no len()错误——因为spaCy只接受字符串输入，它会尝试计算输入文本的长度，而float类型没有len()方法。

你之前的打印代码可能刚好没遍历到包含NaN的行，或者测试时用的是没有缺失值的子集，所以没触发错误；但当你尝试批量收集实体时，循环必然会碰到这些空值行，导致报错。

解决方案步骤 #

1. 清理数据后收集实体（仅保留非空文章）

如果你只需要提取所有非空文章的实体，不需要保留空行的对应关系，可以先过滤掉Article列的NaN值，再循环处理：

entities_list = []
# 过滤空值并确保输入是字符串类型
for article in df['Article'].dropna().astype(str):
    doc = nlp(article)
    # 将当前文章的所有实体存入子列表，再添加到总列表
    current_entities = [entity.text for entity in doc.ents]
    entities_list.append(current_entities)

这样得到的entities_list就是你想要的[[entity1, entity2], [entity3, entity4], ...]格式，每个子列表对应一篇文章的实体。

2. 保留原DataFrame行对应关系（含空行）

如果你需要给原DataFrame添加一列，存储每行对应的实体列表（空行对应空列表），可以用apply()方法，同时处理空值情况：

import pandas as pd

def extract_entities(text):
    # 处理空值或非字符串的异常情况
    if pd.isna(text) or not isinstance(text, str):
        return []
    doc = nlp(text)
    return [entity.text for entity in doc.ents]

# 添加新列存储每行的实体列表
df['Entities'] = df['Article'].apply(extract_entities)

# 如果需要把所有实体提取成一个扁平列表：
all_entities_flat = [ent for sublist in df['Entities'] for ent in sublist]

3. 验证数据中的空值

你可以先运行下面的代码，确认Article列的空值数量，进一步验证问题根源：

print(df['Article'].isna().sum())

内容的提问来源于stack exchange，提问作者Raza Ul Haq