Pandas DataFrame中按in/tar列标记合并title列对应位置元组的实现问题

import pandas as pd
import spacy

# 按需替换为你使用的spaCy模型
nlp = spacy.load("en_core_web_sm")
# 直接指定待处理列，避免因列顺序变化导致索引错位
cols = ["in", "tar"]

def process_single_row(row):
    # 生成基础依存句法元组列表，过滤标点
    doc = nlp(row["title"])
    dep_list = [(token.text, token.pos_, token.dep_) for token in doc if token.pos_ != "PUNCT"]
    list_len = len(dep_list)
    # 预标记每个位置所属的分组
    pos_belong = [None] * list_len
    for col in cols:
        for pos in row[col]:
            pos_belong[pos] = col

    new_dep_list = []
    idx = 0
    while idx < list_len:
        # 不属于任何分组的元素直接保留
        if pos_belong[idx] is None:
            new_dep_list.append(dep_list[idx])
            idx += 1
            continue
        # 属于指定分组的元素统一合并
        current_group = pos_belong[idx]
        # 收集分组内所有位置的单词
        merge_word_list = [dep_list[pos][0] for pos in row[current_group]]
        # 生成符合规则的合并元组
        merged_word = f'<{current_group.upper()}>{" ".join(merge_word_list)}</{current_group.upper()}>'
        merged_tuple = (merged_word, current_group.upper(), "")
        new_dep_list.append(merged_tuple)
        # 跳过所有已合并的位置
        idx = max(row[current_group]) + 1
    return new_dep_list

# 逐行处理更新title列
df["title"] = df.apply(process_single_row, axis=1)

• 新增位置预标记逻辑：提前记录每个下标对应的分组（in/tar），避免逐元素判断时遗漏多位置合并场景
• 替换原有逐位置修改逻辑：遇到属于某分组的位置时，直接拉取该分组所有位置的单词拼接，生成符合规则的合并元组
• 自动跳过已合并位置，避免重复处理同分组元素
• 修复原始代码的语法错误、缩进问题，改用pandas apply方法逐行处理，逻辑更清晰，稳定性更高

内容的提问来源于stack exchange，提问作者joasa