使用 spacy 从数据框中提取实体

Question

我使用 Pandas 从 excel 文件中读取内容::

import pandas as pd
df = pd.read_excel("FAM_template_Update 1911274_JS.xlsx" )
df

在尝试使用 spacy:: 提取实体时

import spacy
nlp = spacy.load("en_core_web_sm")
doc = nlp(df)
for enitity in doc.ents:
     print((entity.text))

得到错误::类型错误：参数“字符串”的类型不正确（预期的str，得到数据帧）

        On line(3)-----> doc = nlp(df)

Answer 1

这是预期的，因为Spacy没有准备好按原样处理数据帧。在能够打印实体之前，您需要做一些工作。首先确定包含要使用的文本的列nlp。之后，将其值提取为列表，现在您可以开始了。假设包含文本的列名称名为Text。

for i in df['Question'].tolist():
    doc = nlp(i)
    for entity in doc.ents:
         print((entity.text))

这将遍历数据框中的每个文本（行）并打印实体。