python – 元组列表中元组的小写第一个元素
我有一份文件清单,标有适当的类别:
documents = [(list(corpus.words(fileid)),category) for category in corpus.categories() for fileid in corpus.fileids(category)] 这给了我以下的元组列表,其中元组的第一个元素是一个单词列表(一个句子的标记).例如: [([u'A',u'pilot',u'investigation',u'of',u'a',u'multidisciplinary',u'quality',u'life',u'intervention',u'for',u'men',u'with',u'biochemical',u'recurrence',u'prostate',u'cancer',u'.'],'cancer'),([u'A',u'Systematic',u'Review',u'the',u'Effectiveness',u'Medical',u'Cannabis',u'Psychiatric',u',',u'Movement',u'and',u'Neurodegenerative',u'Disorders','hd')] 我想应用一些文本处理技术,但我希望保持元组格式列表. 我知道,如果我只有一个单词列表,那么这样做: [w.lower() for w in words] 但在这种情况下,我想将.lower()应用于元组列表中每个元组的第一个元素(字符串列表),并在尝试各种选项后: [[x.lower() for x in element] for element in documents],[(x.lower(),y) for x,y in documents],or [x[0].lower() for x in documents] 我总是得到这个错误:
我也尝试在创建列表之前应用我需要的东西,但.categories()和.fileids()是语料库的属性,它们也返回相同的错误(它们也是列表). 任何帮助将深表感谢. 解决了: @Adam Smith的答案和@vasia都是对的: [([s.lower() for s in item[0]],item[1]) for item in documents] @ Adam的答案保持了元组结构; @vasia从创建元组列表中做到了这一点: documents = [([word.lower() for word in corpus.words(fileid)],category) for category in corpus.categories() for fileid in corpus.fileids(category)] 谢谢你们 :) 解决方法
所以你的数据结构是[([str],str)].每个元组所在的元组列表(字符串列表,字符串).在尝试从中提取数据之前,深入了解这意味着什么是很重要的.
这意味着对于文档中的项目将获得元组列表,其中item是每个元组. 这意味着item [0]是每个元组中的列表. 这意味着对于文档中的项目:对于项目[0]中的s:将遍历该列表中的每个字符串.我们来试试吧! [s.lower() for item in documents for s in item[0]] 这应该从您的示例数据中给出: [u'a',u'p',u'i',u'o',u'm',...] 如果你想保留元组格式,你可以这样做: [([s.lower() for s in item[0]],item[1]) for item in documents] # or perhaps more readably [([s.lower() for s in lst],val) for lst,val in documents] 这两个陈述都给出了: [([u'a',...],... ] (编辑:李大同) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |