Python中如何用stanza库对DataFrame做词形还原并解决代码报错？

• 匿名函数参数名不匹配：lambda声明的入参是x，但函数体内使用了未定义的变量row，直接触发NameError
• 数据格式不兼容：noticia列存储的是字符串形式的列表，不是真实的Python列表，直接传入模型会把方括号、引号等符号当成普通文本处理
• 属性名误用：stanza的词形还原结果属性是lemma，带下划线的lemma_是spaCy库的属性，混用会取不到值
• 变量名不匹配：调用自定义函数时传入的第一个参数是data，但你定义的DataFrame变量名是df，会触发另一个NameError
• stanza结果遍历逻辑错误：stanza处理文本后返回的Doc对象需要先遍历句子（sentences）再遍历单词（words）才能取到词元

import pandas as pd
import ast
import stanza

# 构建测试数据集
dict_noticia = {'nome_adm': ['CC Brasil', 
                           'ABC Futuro Esporte',
                           'Tabuao'], 
              'noticia': ["['folha', 'paulo', 'https', 'east', 'amazonaws', 'multclipp', 'arquivos', 'noticias', 'pdf', 'jpg', 'mônica', 'bergamo', 'longo', 'tempo']", 
                   "['coluna', 'estadão']",
                   "['flamengo', 'futebol','melhor','campeao','é']"]
                   }
df = pd.DataFrame(dict_noticia)

# 加载葡萄牙语stanza模型，首次运行可去掉download_method参数自动下载模型
nlp_stanza = stanza.Pipeline(lang='pt', processors='tokenize,mwt,pos,lemma', download_method=None)

def f_lematizacao_stanza(df, column_name, new_column_name):
    def lemmatize_text(text_str):
        # 将字符串格式的列表转换为真实Python列表
        word_list = ast.literal_eval(text_str)
        # 拼接为空格分隔的文本传入stanza处理
        raw_text = ' '.join(word_list)
        doc = nlp_stanza(raw_text)
        # 提取所有词元结果
        return [word.lemma for sent in doc.sentences for word in sent.words]
    df[new_column_name] = df[column_name].apply(lemmatize_text)
    return df

# 调用函数时传入正确的DataFrame变量名
df = f_lematizacao_stanza(df, 'noticia', 'noticia_lema')
# 查看结果
print(df[['noticia', 'noticia_lema']])

• 用ast.literal_eval安全转换字符串格式的列表，避免符号干扰处理结果
• 替换逻辑混乱的lambda写法为可读性更高的嵌套函数，适配stanza的处理规则
• 修正了属性名、变量名的多处拼写错误
• 适配stanza的返回结构，正确遍历提取词形还原结果

内容的提问来源于stack exchange，提问作者Perciliano