文章を二次元配列にいれたい。

Question

文書を二次元配列に入れたい？んですがやり方がわかりません
具体的に言うと
私　は　本　が　好き　。
私　は　日本人　です　。
...（以下文が続く）
という形態素解析されている文章（テキストファイル）を

||列1|列2|列3|列4|列5|列6|列7|
|:--|:--:|--:|:--:|--:|
|1|私|は|本|が|好き|です|。
|2|私|は|日本人|です|。
|3|...

みたいな感じで二次元配列にしたいです。
初心者なため、すみませんがわかりやすく教えていただけると幸いです。

Answer 1

「2次元配列」という型はpythonにはありません。今回は文の形態素数が可変長なので、list of list(s) of str(s)（文字列のlistのlist）みたいなデータ構造で表現することになると思います。

こんな感じで作れるのではないでしょうか。

data.txt

私　は　本　が　好き　。
私　は　日本人　です　。

with open("data.txt") as f:
    result = [line.split() for line in f]
print(result) # => [['私', 'は', '本', 'が', '好き', '。'], ['私', 'は', '日本人', 'です', '。']]

Comments

[退会済みユーザー]

とてもわかりやすく説明してくださってありがとうございます！助かりました。

Answer 2

まずはその形態素解析なるものをかけて文章を分割するコードを書きましょう
はなしはそれからになります

Answer 3

mecab pandasで検索すると、そこそこヒットするため、pandasを使った方法を紹介します。わかりやすい解説は以下の２つの記事です。
下記のコードでは実施していませんが、欠損値(NaN)の置換についても記事を紹介します。

pandasでcsv_tsvファイル読み込み（read_csv, read_table）_ note.nkmk.me
pandasで任意の位置の値を取得・変更するat, iat, loc, iloc _ note.nkmk.me
pandasで欠損値NaNを除外（削除）・置換（穴埋め）・抽出 _ note.nkmk.me

###data.csv

私,は,本,が,好き,です,。
私,は,日本人,です,。,,

※文字コードutf-8で保存

###コード

import pandas as pd
df = pd.read_csv("data.csv", header=None)

###実行結果
df.iat[行番号、列番号]とすると、各要素が取り出せます。

Comments

[退会済みユーザー]

丁寧な説明ありがとうございます！試してみます。本当にありがとうございました