lematizar una columna completa usando la función lambda

Question

Tengo este código probado para una oración y quiero convertirlo para poder lematizar una columna completa donde cada fila consiste en palabras sin puntuación como: deportivas calcetin hombres deportivas shoes

    import wordnet, nltk
nltk.download('wordnet')
from nltk.stem import WordNetLemmatizer
from nltk.corpus import wordnet
import pandas as pd

df = pd.read_excel(r'C:\Test2\test.xlsx')
# Init the Wordnet Lemmatizer
lemmatizer = WordNetLemmatizer()
sentence = 'FINAL_KEYWORDS'
def get_wordnet_pos(word):
    """Map POS tag to first character lemmatize() accepts"""
    tag = nltk.pos_tag([word])[0][1][0].upper()
    tag_dict = {"J": wordnet.ADJ,
                "N": wordnet.NOUN,
                "V": wordnet.VERB,
                "R": wordnet.ADV}

    return tag_dict.get(tag, wordnet.NOUN)



#Lemmatize a Sentence with the appropriate POS tag
sentence = "The striped bats are hanging on their feet for best"
print([lemmatizer.lemmatize(w, get_wordnet_pos(w)) for w in nltk.word_tokenize(sentence)])

Supongamos que el nombre de la columna es df ['palabras clave'], ¿pueden ayudarme a usar una función lambda para lematizar toda la columna como lematizo la oración anterior?

Muchas gracias de antemano

Answer 1

Aqui tienes:

1. Úselo applypara aplicar en las oraciones de la columna
2. Use una expresión lambda que obtenga una sentenceentrada y aplique la función que escribió, de manera similar a como usó en la declaración de impresión

Como palabras clave lematizadas:

# Lemmatize a Sentence with the appropriate POS tag
df['keywords'] =  df['keywords'].apply(lambda sentence: [lemmatizer.lemmatize(w, get_wordnet_pos(w)) for w in nltk.word_tokenize(sentence)])

Como una oración lematizada ( joinpalabras clave que usan ''):

# Lemmatize a Sentence with the appropriate POS tag
df['keywords'] =  df['keywords'].apply(lambda sentence: ' '.join([lemmatizer.lemmatize(w, get_wordnet_pos(w)) for w in nltk.word_tokenize(sentence)]))