Python 如何通过标记现有数据帧的内容来创建新的数据帧？

我对python/pandas非常陌生，需要社区的帮助。这就是我要做的

我读过一个json文件，其中包含以下数据：

（文章的）内容

ID（唯一标识符）

标题（文章标题）

使用此代码：

import pandas as pd
df = pd.read_json(path_to_file, lines=True)

所需输出：我想创建一个新的数据帧，使其具有两列

ID（唯一标识符）

句子（在df的内容栏中拆分句子）

到目前为止我所能做的：

找出标记器来自nltk，以及如何将其传递给apply函数

  result = df["content"].apply(sent_tokenize) 

---

我的问题是如何获得上述所需格式的结果。

您可以将

apply

的返回值指定为df中的一个新列

df[“句子”]=df[“内容”]。应用（已发送\u标记化）

如果要删除其他列（标题和内容），也可以通过分配来完成：

df=df[[“ID”，“句子”]]

使用itertuples迭代数据帧

import pandas as pd
df = pd.DataFrame([['hi how are you. i am fine. hope this help you','ABC']], columns = ['sent','ID'])

 df
                                              sent  ID
 0   hi how are you. i am fine. hope this help you  ABC

new_sent =[]
for row in df.itertuples():
    for sent in sent_tokenize(row[1]):
        new_sent.append((sent, row[2]))

#creating dataframe for new_sent
df_new = pd.DataFrame(new_sent, columns = ['tokenized_sent', 'ID'])
#o/p

    tokenized_sent      ID
0   hi how are you.     ABC
1   i am fine.          ABC
2   hope this help you  ABC

解释

for row in df.itertuples():
    print(row)

#o/p
Pandas(Index=0, sent='hi how are you. i am fine. hope this help you', ID='ABC')

print(row[0])
0

print(row[1])
'hi how are you. i am fine. hope this help you'

print(row[2])
'ABC'

现在，我们正在对第二个元素执行标记化，并在新的列表中添加带有它id的句子

new_list = []
for sent in sent_tokenize(row[1]):
    new_list.append((sent, row[2]))
    print((sent, row[2]))

o/p
('hi how are you.', 'ABC')
('i am fine.', 'ABC')
('hope this help you', 'ABC')

# now  create dataframe with this new_sent
df_new = pd.DataFrame(new_sent, columns = ['tokenized_sent', 'ID'])

---

也许我不能清楚地表达我的观点。我需要apply的结果来跨越多行，例如Row1=1，第一句话。行2=1，第二句，行3=1，第三句。其中数字1表示算术ID@ImranAli哦，好的，很抱歉我没有正确理解。谢谢你的帮助，你能给代码特别是嵌套for循环添加一些解释吗，

dfu new

如何选择正确的

ID

@Imran Ali，添加了解释。。。希望这项工作为你