python - 如何将Polyglot Detector功能应用于数据框

假设我有一个名为df.Text的列，其中包含文本(多于1个句子)，并且我想使用多语言Detector来检测语言并将值存储在新列df['Text-Lang']中，如何确保我也捕获了其他详细信息，例如code和confidence

testEng ="This is English"
lang = Detector(testEng)
print(lang.language)

退货



但

df['Text-Lang','Text-LangConfidence']= df.Text.apply(Detector)

以。。结束



我是错误地应用了检测器功能还是存储了错误的输出或其他？

最佳答案

首先，如果只需要polyglot进行语言检测，则最好直接使用pycld2，这是在幕后使用的语言。它具有较多的清洁程序API。

话虽如此，您指出的错误来自Text列中的一个值，它是一个实数。因此，您必须将类似的值转换为字符串。

您会遇到的下一个问题是最小文本长度。如果文本太短，polyglot将引发异常。您必须通过传递quiet=True来使异常保持沉默。

现在，应用Detector将返回一个对象。因此，您将必须对其进行解析以提取所需的信息。要提取语言名称，您将必须导入icu模块(它是polyglot的依赖项，因此您已经安装了它):

import icu
df.Text = df.Text.astype(str)
df['poly_obj'] = df.Text.apply(lambda x: Detector(x, quiet=True))
df['Text-lang'] = df['poly_obj'].apply(lambda x: icu.Locale.getDisplayName(x.language.locale))
df['Text-LangConfidence'] = df['poly_obj'].apply( lambda x: x.language.confidence)

之后，您可以删除poly_obj列。

关于python - 如何将Polyglot Detector功能应用于数据框，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/51503199/