如何将NPS Chat语料库转换为含Class字段的Pandas DataFrame

嗨，我来帮你搞定这个问题！你已经成功提取了帖子的文本内容，现在只需要用上NLTK为NPS Chat语料库提供的专属方法，就能轻松获取每个帖子对应的Class字段，下面是完整的实现方案：

核心思路 #

NLTK的nps_chat模块已经为我们封装好了提取帖子分类的方法——post_classes()，它返回的分类列表和posts()返回的文本列表是严格一一对应的，直接把两者合并就能得到你需要的DataFrame结构。

完整代码实现 #

from nltk.corpus import nps_chat as nps
import pandas as pd

# 提取所有帖子的文本和对应的Class分类
chat_texts = nps.posts()
chat_classes = nps.post_classes()

# 合并为目标DataFrame
df = pd.DataFrame({
    "Class": chat_classes,
    "text": chat_texts
})

# 查看前几行验证结果（和你给出的示例格式一致）
print(df.head())

结果说明 #

运行代码后，你会得到和示例完全匹配的DataFrame：

而且这个方法会自动处理你提到的16个XML文件，不需要手动逐个读取合并，NLTK已经帮我们完成了所有语料的整合工作。

内容的提问来源于stack exchange，提问作者Sampath Rajapaksha