使用熊猫连接系列数据时出现怪异错误

Question

我有一堆带有文本数据行的数据框。我从每个数据框中导入了一个列，然后将它们附加到列表中，如下所示：

import pandas as pd
import glob

path = 'filepath' # use your path
all_files = glob.glob(path + "/*.csv")

li = []

for filename in all_files:
    df = pd.read_csv(filename, index_col=None, header=0)
    li.append(df['body']) 

现在，我试图创建一个文档集，所以我想对所有行进行串联/合并/联接（不确定哪种方法更好），以便每一列成为一个单元格。因此，列表中的每个元素应该是一个单元格，而不是单元格的行。

当我连接列表中的单个元素时，它会执行我想要的操作。例如，

li[0].str.cat(sep = "")

创建单个文本单元格。

但是，当我像这样遍历列表时：

corpus = []

for i in li:
    corpus.append(li[i].str.cat(sep = ""))

我收到以下错误：

----> 4     corpus.append(li[i].str.cat(sep = ""))

TypeError: list indices must be integers or slices, not Series

我确信问题很简单，但是我没有看到这里发布有关此问题的答案，而且我也不知道为什么会发生此错误（因为str.cat应该适用于Series数据）。任何帮助，将不胜感激。

谢谢！

Answer 1

在我看来，您对for循环语法的工作方式抱有错误的期望：

for i in li:
    corpus.append(li[i].str.cat(sep = ""))

使用语法for __ in __时，应将其读为for item in list，而不是for index in list。

由于i已经是项目本身，而不是索引，因此尝试使用i索引到li（您已在其中编写了li[i]）是无效的。这就是为什么您会收到有关“列表索引”的错误的原因。

因此，这应该对您有用：

for i in li:
    corpus.append(i.str.cat(sep = ""))

作为一个旁注，我建议使用i以外的变量来避免这种混淆-也许是e表示元素，或者更好的是（IMO），只是确切地说明了该元素是什么。