質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

90.52%

  • Python

    7975questions

    Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

  • Python 3.x

    6388questions

    Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。

python janomeの簡略辞書使用時のエラーについて

解決済

回答 1

投稿 編集

  • 評価
  • クリップ 0
  • VIEW 240

---stax---

score 62

表題の件で質問させてください
テキストデータを読み込んで形態素解析をしたのですが
01st
02st
03st
というような言葉があった場合
01
st
02
st
03
st
のように数字と英語で区切られてしまいます
そこで簡略辞書を用いて「01st」という言葉として認識させようとしています

以下が作成した簡略辞書です「100.csv」
簡略辞書

イメージ説明

この辞書を読み込ませると

#作成した辞書使う場合
---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-13-13ce50d97c07> in <module>()
     53 #t = Tokenizer()
     54 #作成した辞書使う場合
---> 55 t = Tokenizer(r'C:\Users\Desktop\100.csv', udic_type='simpledic', udic_enc="utf8")
     56 
     57 ret = []

~\AppData\Local\Continuum\anaconda3\lib\site-packages\janome\tokenizer.py in __init__(self, udic, udic_enc, udic_type, max_unknown_length, wakati, mmap)
    166             if udic.endswith('.csv'):
    167                 # build user dictionary from CSV
--> 168                 self.user_dic = UserDictionary(udic, udic_enc, udic_type, connections)
    169             elif os.path.isdir(udic):
    170                 # load compiled user dictionary

~\AppData\Local\Continuum\anaconda3\lib\site-packages\janome\dic.py in __init__(self, user_dict, enc, type, connections)
    372         """
    373         build_method = getattr(self, 'build' + type)
--> 374         compiledFST, entries = build_method(user_dict, enc)
    375         Dictionary.__init__(self, [compiledFST], entries, connections)
    376 

~\AppData\Local\Continuum\anaconda3\lib\site-packages\janome\dic.py in buildsimpledic(self, user_dict, enc)
    402             for line in f:
    403                 line = line.rstrip()
--> 404                 surface, pos_major, reading = line.split(',')
    405                 part_of_speech = ','.join([pos_major, u'*', u'*', u'*'])
    406                 morph_id = len(surfaces)

ValueError: not enough values to unpack (expected 3, got 1)


というエラーが発生しどこが原因か分からず悩んでいます

以下コードです

import pandas as pd
from janome.tokenizer import Tokenizer
from janome.analyzer import Analyzer
from janome.tokenfilter import POSStopFilter
from collections import Counter
from gensim.models import word2vec
import logging
import nltk
import re
from nltk.collocations import *

#from IPython.core.debugger import Pdb; Pdb().set_trace()
#データフレーム作成--------------------------------------------------------------------------------

#ファイル指定
input_file_name = (r'C:\Users\Desktop\Book11.xlsm')

#ファイル読み込み
input_book = pd.ExcelFile(input_file_name)

#シート名取得(sheet_namesメソッドでExcelブック内の各シートの名前をリスト型で取得)
input_sheet_name = input_book.sheet_names

#シート総数取得
num_sheet = len(input_sheet_name)

#シート総数表示
print('シートの数:', num_sheet)
#シート名表示
print('シートの名前:',input_sheet_name)
#type確認
print('type :',type(input_book))

#DataFrameとして2枚目(標準トラブルシート)のsheetを読み込み
#skiprows = 5 : 先頭5行読み飛ばす
#skip_footer = 1 : 最後1行読み飛ばす
#usecols = 'Z,AD:AF' : Z列、AD,AE,AF列を読み込む
#names = range(0,4) : 列名に0~4を付与
input_sheet_df = input_book.parse(input_sheet_name[1],
                                  skiprows = 5,
                                  skip_footer = 1,
                                  usecols = 'Z,AD:AF',
                                  names = range(0,4))

#列名変更
input_sheet_df = input_sheet_df.rename(columns={0:'異常発生個所',1:'異常名称',2:'現象',3:'原因'})
print('type :',type(input_sheet_df))


#形態素解析---------------------------------------------------------------------------------------

# Tokenizerのインスタンス生成
#t = Tokenizer()
#作成した辞書使う場合
t = Tokenizer(r'C:\Users\Desktop\100.csv', udic_type='simpledic', udic_enc="utf8")

ret = []


docking = input_sheet_df.values.tolist()

#print(type(docking))


for wordlist in docking:
    #print(wordlist)
    tokens = t.tokenize(str(wordlist)) 
    for token in tokens:
        if token.part_of_speech.split(',')[0] in ['名詞']:
            if not token.part_of_speech.split(',')[1] in ['サ変接続']:
                ret.append(token.base_form) 
print(ret)

また、簡略辞書を使う為にはjanomeのバージョンが0.2.7以上である必要があるのですが0.3.6を使用しているので問題ないかと思います

初歩的な内容かと思いますがアドバイス宜しくお願い致します

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

質問への追記・修正、ベストアンサー選択の依頼

  • quiqui

    2018/06/18 11:15

    例外のtracebackが省略されていてはエラーがどこで発生しているのか調べられません。

    キャンセル

  • ---stax---

    2018/06/18 11:26

    ご指摘ありがとうございます。エラー内容追記致しました。

    キャンセル

  • LouiS0616

    2018/06/18 11:38

    デリミタがタブになっている気がします。100.csvをメモ帳で開くと、どのように表示されますか。

    キャンセル

回答 1

checkベストアンサー

0

ファイルの最後に何も書いてない行がありませんか?

:
:
19st,カスタム名詞,ジュウキュウステーション⏎
20st,カスタム名詞,ニジュウイチステーション⏎
⏎
⏎


みたいな。

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2018/06/18 16:03

    回答ありがとうございます
    かなり初歩的なミスでした
    文字コードがANSIとなっていました
    UTF-8に変換し読み直したところ成功致しました
    ご迷惑おかけしてすいませんでした

    キャンセル

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 90.52%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる

関連した質問

同じタグがついた質問を見る

  • Python

    7975questions

    Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

  • Python 3.x

    6388questions

    Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。