Python 列表对象没有属性'；应用'；即使没有名单

AttributeError:“list”对象没有属性“apply”

df2 = pd.DataFrame(pd.read_csv("file.csv", delimiter=';', header=None, skiprows=1, engine='python', names=['I', 'II', 'III']))
df2["COMBINED"] = df2["I"].astype(str) + df2["II"].astype(str) + df2["III"].astype(str)

df2 = df2['COMBINED'].replace({'\$': '', ',': ''}, regex=True).str.lower()
df2 = [ nltk.word_tokenize( str(COMBINED) ) for COMBINED in df2 ]

a = df2.apply(set)

AttributeError:“Series”对象没有属性“intersection”

df2 = pd.DataFrame(pd.read_csv("file.csv", delimiter=';', header=None, skiprows=1, engine='python', names=['I', 'II', 'III']))
df2["COMBINED"] = df2["I"].astype(str) + df2["II"].astype(str) + df2["III"].astype(str)

df2 = df2['COMBINED'].replace({'\$': '', ',': ''}, regex=True).str.lower()
df2 = [ nltk.word_tokenize( str(COMBINED) ) for COMBINED in df2 ]

a = df2.apply(set)

---

有人知道如何回避这些问题吗？我想在两个带字符串的数据帧之间生成一个点积，即每一行与另一个df的每一行。

您不需要

pd.DataFrame（）

在

pd.read\u csv（）

之后，

pd.read\u csv（）

的返回类型已经是一个数据帧

df2=df2['COMBINED'].replace（{'\$'：''，'：''}，regex=True.str.lower（）
# ^
# |
#这里的df2是一个系列，来自原始的组合柱
df2=[nltk.word_标记化（str（COMBINED）），用于在df2中组合]
# ^                                               ^
# |                                               |
#这里，df2是df2系列中每个元素的列表
a=df2.应用（设置）

列表肯定没有属性

apply

df2=pd.read\u csv（“file.csv”，分隔符=“；”，头=None，skiprows=1，名称=['I'，'II'，'III']））
# ^
# |
#df2有第I、II、III列
df2[“组合”]=df2[“I”]。aType（str）+df2[“II”]。aType（str）+df1[“III”]。aType（str）
# ^
# |
#创建一个新的组合列，
#df2现在有一列、二列、三列和三列
df2[“组合”]=df1[“组合”].str.replace（r'[^\w\s]+'，''）
# ^
# |
#对组合柱进行操作
df2=df2.SENTURE.apply（nltk.word\u标记化）
# ^
# |
#通过使用df2.句子，您可以访问句子列，
#没有句子栏，只有第一栏、第二栏、第三栏合并

您不需要

pd.DataFrame（）

在

pd.read\u csv（）

之后，

pd.read\u csv（）

的返回类型已经是一个数据帧

df2=df2['COMBINED'].replace（{'\$'：''，'：''}，regex=True.str.lower（）
# ^
# |
#这里的df2是一个系列，来自原始的组合柱
df2=[nltk.word_标记化（str（COMBINED）），用于在df2中组合]
# ^                                               ^
# |                                               |
#这里，df2是df2系列中每个元素的列表
a=df2.应用（设置）

列表肯定没有属性

apply

df2=pd.read\u csv（“file.csv”，分隔符=“；”，头=None，skiprows=1，名称=['I'，'II'，'III']））
# ^
# |
#df2有第I、II、III列
df2[“组合”]=df2[“I”]。aType（str）+df2[“II”]。aType（str）+df1[“III”]。aType（str）
# ^
# |
#创建一个新的组合列，
#df2现在有一列、二列、三列和三列
df2[“组合”]=df1[“组合”].str.replace（r'[^\w\s]+'，''）
# ^
# |
#对组合柱进行操作
df2=df2.SENTURE.apply（nltk.word\u标记化）
# ^
# |
#通过使用df2.句子，您可以访问句子列，
#没有句子栏，只有第一栏、第二栏、第三栏合并

为什么不使用scipy距离矩阵函数，如

cdist

或

pdist

？因为它们不是点数而是代币。如何为两个数据帧编写它？这只允许一个DF，你能重新组织你的代码吗？什么是

stop_words

，为什么

df2

是在

df

之前创建的，而

df2

依赖

df

中的

df

语句.apply（nltk.word_tokenize）？这是一个打字错误。这个数据帧之前就存在，因为我的第一种方法是一行。停止词被去掉是因为它们没有添加上下文。嘿@Ynjxsjmh你有什么想法吗？为什么不使用scipy距离矩阵函数，比如

cdist

或

pdist

？因为它们不是点数而是代币。如何为两个数据帧编写它？这只允许一个DF，你能重新组织你的代码吗？什么是

stop_words

，为什么

df2

是在

df

之前创建的，而

df2

依赖

df

中的

df

语句.apply（nltk.word_tokenize）？这是一个打字错误。这个数据帧之前就存在，因为我的第一种方法是一行。停止词被去掉是因为它们没有添加上下文。嘿@Ynjxsjmh你有什么想法吗？好的，我明白了。df2。这句话是个拼写错误，不会改变结果。我在Excel中进行了合并，现在有两个几乎完全相同的列，我想对它们进行绘图。但它仍然不起作用。我怎样才能解决我的问题？这两种方法都不能完全运行。AttributeError:“function”对象没有属性“apply”，如果我使用相同的代码处理两个数据帧，即

df1['Session']=df1['Session']].str.replace（r'[^\w\s]+'，''）df1['Session']=df1['Session'].str.replace（'\d+'，''）df1=df1.session.apply（nltk.word\u标记化）df1=df1.apply（da x:[item.lower（）对于x中的项目，如果item.lower（）不在stop_words）中，

@SAPNONEXPERT我觉得很好

df1

是在

f1=df1.SENTURE.apply（nltk.word\u tokenize）

之后的序列。系列具有应用功能。错误应该在其他地方。是的，它现在在tokenize列中：

df1=df1.all.apply（nltk.word\u tokenize）

。但是，如果另一个数据帧在具有相同/相似数据的情况下运行良好，我理解。df2。这句话是个拼写错误，不会改变结果。我在Excel中进行了合并，现在有两个几乎完全相同的列，我想对它们进行绘图。但它仍然不起作用。我怎样才能解决我的问题？这两种方法都不能完全运行。AttributeError:“function”对象没有属性“apply”，如果我使用相同的代码处理两个数据帧，即

df1['Session']=df1['Session']].str.replace（r'[^\w\s]+'，''）df1['Session']=df1['Session'].str.replace（'\d+'，''）df1=df1.session.apply（nltk.word\u标记化）df1=df1.apply（da x:[item.lower（）对于x中的项目，如果item.lower（）不在stop_words）中，

@SAPNONEXPERT我觉得很好

df1

是在

f1=df1.SENTURE.apply（nltk.word\u tokenize）

之后的序列。系列具有应用功能。错误应该是这样的