我收到错误 AttributeError: 'Series' object has no attribute 'split'答案

【问题标题】：I get error AttributeError: 'Series' object has no attribute 'split'我收到错误 AttributeError: 'Series' object has no attribute 'split'
【发布时间】：2021-09-11 18:42:09
【问题描述】：

我有 2 行，第一行和第二行，每列都有单词（每一行基本上是一个文本）。 |行 | | | | | -------- | ---- |---- |---- | |第一 | word1|word2 |word3....
|第二 | word1|word2 |word3....

我想看到相似之处。我没有频率，只有单词，但据我所知，这个算法也给了我频率。它给我这个错误的问题：

 AttributeError                            Traceback (most recent call 
 last)
 <ipython-input-11-1000d05112e2> in <module>
  28     return result
   29 
---> 30 get_jaccard_sim(first, second)
  31 

  <ipython-input-11-1000d05112e2> in get_jaccard_sim(first, second)
   22 
   23 def get_jaccard_sim(first, second):
  ---> 24     a = set(first.split())
   25     b = set(second.split())
   26     c = a.intersection(b)

~\anaconda\lib\site-packages\pandas\core\generic.py in 
  __getattr__(self, name)
   5128             if 
 self._info_axis._can_hold_identifiers_and_holds_name(name):
  5129                 return self[name]
-> 5130             return object.__getattribute__(self, name)
 5131 
 5132     def __setattr__(self, name: str, value) -> None:

AttributeError: 'Series' object has no attribute 'split'

我想拆分每个单词并获取文本中每个单词之间的频率和相似度。我也试图完全驾驭 NAN，但没有成功。打印列时我仍然看到 NAN）

import pandas as pd
from sklearn.feature_extraction.text import TfidfTransformer
from sklearn.feature_extraction.text import CountVectorizer
from scipy import spatial
from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.metrics import jaccard_score

data = pd.read_csv("articles of Shoshana Solomon2.csv", index_col ="article_id")


# retrieving row by loc method
first = data.iloc[2]
second = data.iloc[3]
#third = data.iloc[4]
#fourth=data.iloc[5]
list_no_nan=[first,second]
print(list_no_nan)

#list1 = [x for x in list_no_nan if str(list_no_nan) != 'nan']
#print(list1)


def get_jaccard_sim(first, second): 
  a = set(first.split()) 
  b = set(second.split())
  c = a.intersection(b)
  result=float(len(c)) / (len(a) + len(b) - len(c))
return result

get_jaccard_sim(first, second)

这里要解决什么问题？谢谢！

【问题讨论】：

请务必显示多于一行的 Traceback
@FLAK-ZOSO 添加了
我不确定你想做什么。 first 是数据框中的一行，由 Series 对象表示。所有的列都是字符串，你想拆分它们吗？然后first.str.split()。像拆分这样的广播操作更常在列上完成，而不是在行上完成。但我没有弄清楚你的意图是什么，所以它可能是对的。
@tdelaney 拆分单词并将它们放入集合

标签： python nlp series similarity cosine-similarity

【解决方案1】：

first 是一个 pandas.core.series.Series 对象，由数据帧的单行构建而成。我认为您的问题是关于如何拆分这些列中的单词并创建一个集合。 Series 上的字符串操作可通过 .str 属性获得。这将创建一个包含拆分文本列表的新系列。然后，您可以迭代这些以构建集合。 itertools 有一个方便的方法。

>>> import pandas as pd
>>> import itertools
>>> df=pd.DataFrame({"A":["one and"], "B":["two and and and"], "C":["three"]})
>>> first = df.iloc[0]
>>> print(first)
A            one and
B    two and and and
C              three
Name: 0, dtype: object
>>> split = first.str.split()
>>> print(split)
A              [one, and]
B    [two, and, and, and]
C                 [three]
Name: 0, dtype: object
>>> final = set(itertools.chain.from_iterable(split))
>>> print(final)
{'three', 'and', 'one', 'two'}

【讨论】：