Python更新DataFrame中tuple字符串元素报错及输出不符合预期问题

错误原因拆解 #

• 第一个TypeError: 'tuple' object is not callable是因为你用了Python内置类型名tuple当变量名，覆盖了tuple类的定义，后续你想通过tuple(word, spacy_pos_tag)创建元组的时候，实际是调用你存储的元组变量，自然报错，你已经将变量名改为tuple_解决了这个问题。
• 第二个TypeError: join() takes exactly one argument (2 given)是因为str.join()只接受一个可迭代对象参数，你传了position和tuple_两个参数，属于用法错误。
• 另外还有两个核心逻辑问题：
  • 元组是不可变类型，你修改循环变量tuple_的值不会更新pos_tags列表里对应的原元素
  • 遍历pos_tags的同时往里面append元素会导致无限循环，完全不符合需求

可直接运行的修改后代码 #

import re

# 假设cols是你提前定义好的标签列名，比如cols = ['in', 'tar']
for idx, row in df.iterrows():
    doc = nlp(row['title'])
    # 初始化词性标注列表
    pos_tags = [(token.text, token.pos_) for token in doc if not token.pos_ == "PUNCT"]
    # 用索引遍历才能修改列表内的元素
    for idx_in_list, (original_word, spacy_pos_tag) in enumerate(pos_tags):
        # 你的位置是从1开始计数，所以索引+1
        position = idx_in_list + 1
        word = re.sub(r'[^\w\s]', '', original_word)
        # 匹配要打标签的位置
        for col in cols:
            if position in row[col]:
                word = f'<{col.upper()}>{word}</{col.upper()}>'
                # 匹配到就跳出，避免重复打标签
                break
        # 替换原位置的元组
        pos_tags[idx_in_list] = (word, spacy_pos_tag)
    # 输出结果，也可以存回DataFrame新列
    print(idx, "tokens, pos : ", pos_tags, "\n")

补充说明 #

如果需要把处理完的结果存回DataFrame，直接在循环末尾加一行df.loc[idx, 'processed_pos_tags'] = pos_tags即可，输出格式和你要求的示例完全一致。

内容的提问来源于stack exchange，提问作者joasa