如何解决Python Pandas使用assign创建新列时出现的TypeError报错

错误原因 #

你的写法核心问题是sent_tokenize只接收单个字符串作为入参，但你直接传入的x['description']/df['description']是pandas的Series对象，不是单个字符串，所以才抛出类型错误，和列的dtype是object没有关系，pandas的字符串列默认就是object类型，你确认每个元素都是字符串就不存在类型问题。

正确写法 #

用Series.apply()将sent_tokenize逐行作用到每个description字符串上即可，完全可以在assign中实现，不影响链式操作：

import nltk
# 首次运行需要下载punkt分词模型
# nltk.download('punkt')
from nltk.tokenize import sent_tokenize

df = df.assign(
    sentence_count = lambda x: x['description'].apply(lambda s: len(sent_tokenize(s)))
)

如果要提升大数据量下的运行效率，也可以用列表推导式替代apply，性能会更好：

df = df.assign(
    sentence_count = [len(sent_tokenize(s)) for s in df['description']]
)

内容的提问来源于stack exchange，提问作者mmz