python编辑excel文件_Python读取和编辑单个Excel文件行

为了清除Python-era中的文本行，将其放入cetm中。我使用Pandas来清理每一行，并返回一个新的、干净的Excel文件，其格式与原始文件相同。为了使标记器和词干分析器能够读取Excel文件，Pandas数据帧需要采用字符串格式。在

它或多或少可以工作，但下面的代码将每行中的文本按单个单词拆分，结果每行只包含一个（已清理）单词，而不像原始文件那样包含一个句子。如何确保它不会拆分每行文本？在

（简体）代码如下：import pandas as pd

from nltk.corpus import stopwords

from nltk.tokenize import RegexpTokenizer

from nltk.stem import SnowballStemmer

tokenizer = RegexpTokenizer(r'\w+')

stemmer = SnowballStemmer('english')

stop_words = set(stopwords.words('english'))

excel = pd.read_excel(open('example.xls', 'rb'))

data_to_string = pd.DataFrame.to_string(excel)

for line in data_to_string:

tokens = tokenizer.tokenize(data_to_string)

stopped = [word for word in tokens if not word in stop_words] #removes stop words

trimmed = [ word for word in stopped if len(word) >= 3 ] #takes out all words of two characters or less.

stemmed = [stemmer.stem(word) for word in trimmed] #stems the words

return_to_dataframe = pd.DataFrame(stemmed) #resets back to pandas dataframe

我想用这个，但没用：

^{pr2}$

编辑：Maarten问我是否可以上传我当前和期望输出的图像。原始输入文件（未清理）的格式在左侧。中间部分是期望的结果（词干和停止词删除等），右边的图像是当前的输出。在

编辑：我设法解决了它；主要问题是标记化。首先，我必须将pandas数据帧转换为列表列表（请参见下面代码中的strdata），然后标记每个列表中的每个项。剩下的部分通过一个简单的for循环来解决，将清理后的行追加到列表中，并将列表转换回pandas数据帧。之所以有remove_NaN，是因为pandas认为每个None-类型的元素都是由字母数字字符组成的字符串（即单词“None”），而不是一个空单元格，因此必须删除这个字符串。另外，pandas将每个标记化的单词放入一个单独的列中。mergeddf是为了将所有单词合并回同一列。在

工作代码如下：from nltk.corpus import stopwords

from nltk.tokenize import RegexpTokenizer

from nltk.stem import PorterStemmer

import pandas as pd

import numpy as np

#load tokenizer, stemmer and stop words

tokenizer = RegexpTokenizer(r'\w+')

stemmer = PorterStemmer()

stop_words = set(stopwords.words('english'))

excel = pd.read_excel(open(inFilePath, 'rb')) #use pandas to read excel file

strdata = excel.values.tolist() #convert values to list of lists (each row becomes a separate list)

tokens = [tokenizer.tokenize(str(i)) for i in strdata] #tokenize words in lists

cleaned_list = []

for m in tokens:

stopped = [i for i in m if str(i).lower() not in stop_words] #remove stop words

stemmed = [stemmer.stem(i) for i in stopped] #stem words

cleaned_list.append(stemmed) #append stemmed words to list

backtodf = pd.DataFrame(cleaned_list) #convert list back to pandas dataframe

remove_NaN = backtodf.replace(np.nan, '', regex=True) #remove None (which return as words (str))

mergeddf = remove_NaN.astype(str).apply(lambda x: ' '.join(x), axis=1) #convert cells to strings, merge columns