python – 元组列表中元组的小写第一个元素

2019年8月3日 171次阅读

我有一份文件清单,标有适当的类别：

documents = [(list(corpus.words(fileid)), category)
              for category in corpus.categories()
              for fileid in corpus.fileids(category)]

这给了我以下的元组列表,其中元组的第一个元素是一个单词列表(一个句子的标记).例如：

[([u'A', u'pilot', u'investigation', u'of', u'a', u'multidisciplinary', 
u'quality', u'of', u'life', u'intervention', u'for', u'men', u'with', 
u'biochemical', u'recurrence', u'of', u'prostate', u'cancer', u'.'], 
'cancer'), 
([u'A', u'Systematic', u'Review', u'of', u'the', u'Effectiveness', 
u'of', u'Medical', u'Cannabis', u'for', u'Psychiatric', u',', 
u'Movement', u'and', u'Neurodegenerative', u'Disorders', u'.'], 'hd')]

我想应用一些文本处理技术,但我希望保持元组格式列表.

我知道,如果我只有一个单词列表,那么这样做：

[w.lower() for w in words]

但在这种情况下,我想将.lower()应用于元组列表中每个元组的第一个元素(字符串列表),并在尝试各种选项后：

[[x.lower() for x in element] for element in documents],
[(x.lower(), y) for x,y in documents], or
[x[0].lower() for x in documents]

我总是得到这个错误：

AttributeError: ‘list’ object has no attribute ‘lower’

我也尝试在创建列表之前应用我需要的东西,但.categories()和.fileids()是语料库的属性,它们也返回相同的错误(它们也是列表).

任何帮助将深表感谢.

解决了：

@Adam Smith的答案和@vasia都是对的：

[([s.lower() for s in item[0]], item[1]) for item in documents]

@ Adam的答案保持了元组结构; @vasia从创建元组列表中做到了这一点：

documents = [([word.lower() for word in corpus.words(fileid)], category)
              for category in corpus.categories()
              for fileid in corpus.fileids(category)]

谢谢你们 ：)

最佳答案 所以你的数据结构是[([str],str)].每个元组所在的元组列表(字符串列表,字符串).在尝试从中提取数据之前,深入了解这意味着什么是很重要的.

这意味着对于文档中的项目将获得元组列表,其中item是每个元组.

这意味着item [0]是每个元组中的列表.

这意味着对于文档中的项目：对于项目[0]中的s：将遍历该列表中的每个字符串.我们来试试吧！

[s.lower() for item in documents for s in item[0]]

这应该从您的示例数据中给出：

[u'a', u'p', u'i', u'o', u'a', u'm', ...]

如果你想保留元组格式,你可以这样做：

[([s.lower() for s in item[0]], item[1]) for item in documents]

# or perhaps more readably
[([s.lower() for s in lst], val) for lst, val in documents]

这两个陈述都给出了：

[([u'a', u'p', u'i', u'o', u'a', u'm', ...], 'cancer'), ... ]
点赞