如何使用NLTK词性标注结合Pandas DataFrame替换词汇为POS标签？

你只需要从词性标注的元组列表里提取每个元组的第二个元素（也就是词性标签），再用空格把它们拼接起来就可以了。下面分两种场景给你具体实现：

单个句子的处理 #

假设你已经得到了单个句子的词性标注结果：

pos_tags = [('DAW1', 'NNP'), ('was', 'VBD'), ('further', 'RBR'), ('investigated', 'VBN'), ('by', 'IN')]

方法1：列表推导式 + join #

这是最直观的写法，可读性强：

tag_string = ' '.join([tag for word, tag in pos_tags])
print(tag_string)  # 输出: NNP VBD RBR VBN IN

方法2：map函数 + join #

如果你喜欢更简洁的写法，可以用map配合匿名函数提取词性：

tag_string = ' '.join(map(lambda item: item[1], pos_tags))

批量处理DataFrame列 #

因为你是在处理整个数据集的POSTags列，直接用apply把上面的逻辑批量应用即可：

# 生成新列存储空格分隔的词性标签
data['POSTags_String'] = data['POSTags'].apply(lambda x: ' '.join([tag for word, tag in x]))

这样处理后，data['POSTags_String']里的每一行就是你需要的空格分隔的词性标签字符串了。

内容的提问来源于stack exchange，提问作者jurek