Python中使用Simplemma处理数据集全列文本及TypeError报错解决

text_lemmatizer 接口仅支持传入字符串/字节类型的输入，你直接传入df['Tekst']这个pandas Series对象，和接口要求的参数类型不匹配，因此触发类型报错。

使用pandas的apply方法逐行处理列内的每个字符串单元即可，两种常用实现方式如下：

• 方案1：将每一行的词形还原结果以列表形式存储到新列

from simplemma import text_lemmatizer
langdata = simplemma.load_data('nl')

df['Tekst_lemmatized'] = df['Tekst'].apply(lambda text: text_lemmatizer(text, langdata))

• 方案2：将还原后的词重新拼接为空格分隔的字符串存储到新列

df['Tekst_lemmatized_str'] = df['Tekst'].apply(lambda text: ' '.join(text_lemmatizer(text, langdata)))

如果你的Tekst列存在空值、数值类型等非标准字符串内容，可以增加兼容逻辑避免报错：

import pandas as pd

df['Tekst_lemmatized'] = df['Tekst'].apply(
    lambda text: text_lemmatizer(str(text), langdata) if pd.notna(text) else []
)

内容的提问来源于stack exchange，提问作者marita