Python 如何通过遍历行来预测数据帧中的每一行？

我建立了一个伯特模型，现在我有了一个块，可以很好地对文本列中的每一行逐一进行分类。熊猫数据帧如下所示：

    text
0   working add oil
1   @KristianaNKOTB you're welcome
2   is going to bed, work in the morning boo but t...
3   @sparky_habbo - uni & assignments happened...
4   Can't wait to have chinese food! Still disappo...

    emotion
0   1  

文本列中每个特定行的分类代码如下：

text = [df[0]]

pred_tokens = map(tokenizer.tokenize, text)
pred_tokens = map(lambda tok: ["[CLS]"] + tok + ["[SEP]"], pred_tokens)
pred_token_ids = list(map(tokenizer.convert_tokens_to_ids, pred_tokens))

pred_token_ids = map(lambda tids: tids +[0]*(data.max_seq_len-len(tids)),pred_token_ids)
pred_token_ids = np.array(list(pred_token_ids))

predictions = model.predict(pred_token_ids).argmax(axis=-1)

df = pd.DataFrame(predictions, columns = ['emotion'])
df

例如，如果我们想对if

df.text[0]

进行分类，那么

'working add oil'

是1还是0，我使用此代码，结果如下：

    text
0   working add oil
1   @KristianaNKOTB you're welcome
2   is going to bed, work in the morning boo but t...
3   @sparky_habbo - uni & assignments happened...
4   Can't wait to have chinese food! Still disappo...

    emotion
0   1  

---

但是现在我如何通过遍历行来预测数据帧中的每一行呢？

下面是一段代码，它演示了可以用来预测数据帧中的文本并保存它的过程

输入数据：

df=pd.DataFrame({"text":['working add oil',"@KristianaNKOTB you're welcome","is going to bed, work in the morning boo but t..."]})

定义一个函数。你可以根据你的程序调整它。您可以注释我的代码并取消注释您的代码

import random
def predict_emotion(input_text):
    text = input_text
    
    ''' uncomment this and remove my return statement
    pred_tokens = map(tokenizer.tokenize, text)
    pred_tokens = map(lambda tok: ["[CLS]"] + tok + ["[SEP]"], pred_tokens)
    pred_token_ids = list(map(tokenizer.convert_tokens_to_ids, pred_tokens))

    pred_token_ids = map(lambda tids: tids +[0]*(data.max_seq_len-len(tids)),pred_token_ids)
    pred_token_ids = np.array(list(pred_token_ids))

    predictions = model.predict(pred_token_ids).argmax(axis=-1)
    return predictions
    '''
    return_int=random.randint(1,8)
    print(f"text:{input_text},emotion:{return_int}")
    return return_int

为每行输入文本调用函数

df['emotion']=df['text'].apply(predict_emotion)

输出：

---

情绪必须为1或0，这是一项分类任务。我在3个随机行上测试了这段代码，结果是这样的，有很多1和0：

text emotion 1 you's welcome[0,0,1,0,0,1,1,0,0,0,0,0]5为今天下午的试镜做准备。从wh…[0,1,0,0,1,0,0,1,1,0,1,1,0,1,1，…7现在开始面对我的考试[0,1,1,1,0,0,1,1,0,0,0,1,1,0,0,1，…

图片链接：这是我所做的步骤：这是模型的问题，它有14个作为输出，所以肯定不是一个二元分类模型。这个答案是用于运行预测的，它工作正常。请在模型上提出一个新问题。我已经发布：谢谢，我也会查看它。请访问请回答这个问题。谢谢