如何从DataFrame分词列提取单词dog前后各2个词并生成新列

你可以通过自定义提取函数搭配pandas的apply方法完成需求，完整代码如下：

def extract_dog_context(tokens):
    # 无匹配词时的返回逻辑可按需调整
    if "dog" not in tokens:
        return []
    # 获取dog首次出现的索引位置
    dog_idx = tokens.index("dog")
    # 计算切片起止位置，左边界取0避免负数索引越界
    start_idx = max(0, dog_idx - 2)
    # 右边界加3是因为Python列表切片左闭右开，刚好覆盖dog后2个元素
    end_idx = dog_idx + 3
    return tokens[start_idx:end_idx]

# 生成新列
df["tokenized_part2"] = df["tokenized"].apply(extract_dog_context)

注意事项 #

• 如果单条分词列表中存在多个dog，上述代码默认只提取第一个dog的上下文，如需提取所有匹配项的上下文，可修改函数遍历所有匹配索引拼接结果即可
• 边界场景自动兼容：如果dog出现在列表前两位，前面不足2个词时会从列表开头开始提取；如果dog出现在列表末尾后两位，后面不足2个词时会自动截取到列表结尾，不会报错

内容的提问来源于stack exchange，提问作者rebar