如何将DataFrame转换为Iramuteq与Alceste可读取的TXT格式

按照要求逐行生成指定格式的内容块，再统一导出为txt文件即可。

前置要求 #

• 提前确认你的DataFrame中哪些列是语料变量列，哪一列是待分析文本列
• 所有语料变量的名称、取值需要提前清理：不能包含空格、特殊符号（如*、\等），如果有空格建议替换为下划线，避免Iramuteq/Alceste识别报错

完整实现代码（Python） #

import pandas as pd

# -------------- 1. 配置参数 --------------
# 替换为你自己的语料变量列名列表
var_columns = ["year", "country"]
# 替换为你自己的待分析文本列名
text_column = "text"
# 输出文件路径
output_path = "iramuteq_corpus.txt"

# -------------- 2. 核心转换逻辑 --------------
def row_to_iramuteq(row):
    # 生成变量行：先加****，再拼接所有*变量名_值的字符串
    var_part = " ".join([f"*{col}_{row[col]}" for col in var_columns])
    header_line = f"**** {var_part}"
    # 文本行直接取对应列的内容
    text_line = str(row[text_column])
    # 每块内容之间加换行分隔
    return f"{header_line}\n{text_line}\n"

# -------------- 3. 执行转换并导出 --------------
# 替换为你自己的DataFrame变量名，下方是示例测试用DataFrame可删除
df = pd.DataFrame({
    "year": [2021, 2021],
    "country": ["france", "germany"],
    "text": ["Bonjour, je m appelle Dario", "Guten Tag, ich heisse Dario"]
})

# 逐行处理后拼接所有内容
corpus_content = "".join(df.apply(row_to_iramuteq, axis=1).tolist())

# 导出为UTF-8编码的txt文件，适配Iramuteq/Alceste的编码要求
with open(output_path, "w", encoding="utf-8") as f:
    f.write(corpus_content)

注意事项 #

• 如果待分析文本本身包含换行符，你可以根据分析需要选择保留，或者在text_line = str(row[text_column])这一步加.replace("\n", " ")替换为空格，避免格式错乱
• 如果你的变量取值是中文，也可以正常使用，只要保持编码为UTF-8即可
• 导出后可以打开文件手动检查前几行的格式是否符合要求，确认没问题再导入到Iramuteq/Alceste中

内容的提问来源于stack exchange，提问作者Dario Lacan