这是我的代码，用于从CSV文件读取文本并将一列中的所有单词从复数形式转换为单数形式：
import pandas as pd
from textblob import TextBlob as tb
data = pd.read_csv(r'path\to\data.csv')
for i in range(len(data)):
blob = tb(data['word'][i])
singular = blob.words.singularize() # This makes singular a list
data['word'][i] = ''.join(singular) # Converting the list back to a string
但是这段代码现在已经运行了几分钟（如果我不停止的话，可能还要运行几个小时？）！这是为什么？当我逐个检查几个单词时，转换立即发生-完全不需要任何时间。文件中只有1060行（要转换的字）。
编辑：它在大约10-12分钟内完成运行。
以下是一些示例数据：
输入：
word
development
investment
funds
slow
company
commit
pay
claim
finances
customers
claimed
insurance
comment
rapid
bureaucratic
affairs
reports
policyholders
detailed
输出：
word
development
investment
fund
slow
company
commit
pay
claim
finance
customer
claimed
insurance
comment
rapid
bureaucratic
affair
report
policyholder
detailed
最佳答案
那这个呢？
In [1]: import pandas as pd
In [2]: from textblob import Word
In [3]: s = pd.read_csv('text', squeeze=True, memory_map=True)
In [4]: type(s)
Out[4]: pandas.core.series.Series
In [5]: s = s.apply(lambda w: Word(w).singularize())
In [6]: s
Out[6]:
0 development
1 investment
2 fund
3 slow
4 company
5 commit
6 pay
7 claim
8 finance
9 customer
10 claimed
11 insurance
12 comment
13 rapid
14 bureaucratic
15 affair
16 report
17 policyholder
18 detailed
Name: word, dtype: object
我在这里使用
squeeze让read_csv返回Series而不是DataFrame，因为word文件只有一列。此外，如果单词文件很大，可以使用memory_map。您可以使用数据测试性能吗？