python - 提取动词短语中的平均单词数

Question

所以我有一个有点愚蠢的问题，但作为 Python 的新手，我自己似乎找不到答案。我使用 spaCy 的匹配器提取了动词短语。现在，我希望获得每个人文本中提取的动词短语中的平均单词数，并将它们存储在新的数据框列中。为此，我正在尝试创建一个函数，然后将其应用于所述数据框列。

我创建了这个函数:

def get_length_phrases(column):
    for phrase in column:
        phrase_length = len(phrase)
        mean_length = np.mean(phrase_length)
    return mean_length

问题是，当我将它应用于存储动词短语的列时，我得到如下所示的输出:

0      1.0
1      1.0
2      1.0
3      1.0
4      1.0
      ... 
235    1.0
236    1.0
237    1.0
238    1.0
239    1.0
Name: verb_phrases_length, Length: 240, dtype: float64

问题是，每个短语有不止一个词，很明显，我做错了什么，但似乎无法弄清楚是什么...... statistics.mean 也不起作用......

Answer 1

np.mean() 将数组(或类似数组)作为参数。据我所知(如果我错了请纠正我)你得到的是每个阶段的长度的平均值，这只是一个数字，一个数字的平均值就是那个数字.

来自 numpy docs:

Parameters: a:array_like - Array containing numbers whose mean is desired. If a is not an array, a conversion is attempted.

您将要将每个长度保存到一个列表中，然后将其提供给 np.mean()

def get_length_phrases(column):
    phrase_lengths = []
    for phrase in column:
        phrase_lengths.append(len(phrase))
    mean_length = np.mean(phrase_lengths)
    return mean_length

如果此时您仍然得到 1.0，则可能是获取短语的问题，而不是此函数的问题。