方面抽取代码运行触发TypeError:预期str实参却传入float,求解决方法
错误根因
你遇到的类型错误,本质是nlp.pipe(df2.review)传入的序列里混杂了非字符串类型的浮点值:
- spaCy的NLP管线强制要求处理的输入是字符串类型
- pandas数据表中的空值(NaN)默认数据类型就是float,这部分异常值没有被提前清洗,被送入管线时就会触发类型校验失败
排查与解决步骤
1. 确认异常值分布
先运行以下代码定位问题规模:
# 统计review列的缺失值数量 print("缺失值数量:", df2.review.isna().sum()) # 统计review列的值类型分布 print("值类型分布:\n", df2.review.map(type).value_counts())
2. 清洗review列的异常值
根据排查结果对列做类型统一处理,从源头避免传入非字符串值:
- 如果需要保留所有行:将缺失值填充为空字符串,全列统一转为字符串类型
df2['review'] = df2.review.fillna('').astype(str) - 如果空评论行无分析价值:直接删除含缺失值的行
df2 = df2.dropna(subset=['review']) - 兜底兼容:对列中残留的非字符串值(比如误录入的数字、浮点数)做类型转换
df2['review'] = df2['review'].apply(lambda x: str(x) if not isinstance(x, str) else x)
3. 优化原抽取代码的逻辑
原代码中直接用空字符串拼接方面词的逻辑会导致多个抽取到的方面词完全粘连,调整为逗号分隔的形式更符合后续分析需求:
aspect_terms = [] # 传入清洗后的纯字符串序列,规避类型报错 for review in nlp.pipe(df2['review'].values): chunks = [ chunk.root.text for chunk in review.noun_chunks if chunk.root.pos_ == 'NOUN' ] aspect_terms.append(','.join(chunks))
效率优化提示
如果处理的评论数据量较大,可以在调用nlp.pipe时关闭不需要的模型组件、设置合理的批处理大小,大幅提升运行速度:
for review in nlp.pipe(df2['review'].values, batch_size=500, disable=["ner", "lemmatizer"]):
内容的提问来源于stack exchange,提问作者Brocolli
相关产品推荐
相关产品推荐

