我需要在葡萄牙語字符串上執行詞干.為此,我使用nltk.word_tokenize()函數對字符串進行標記,然后單獨生成每個單詞.之后,我重建了字符串.它工作正常,但表現不佳.我怎樣才能讓它更快？字符串長度約為200萬字.

tokenAux=""

tokens = nltk.word_tokenize(portugueseString)

for token in tokens:

tokenAux = token

tokenAux = stemmer.stem(token)

textAux = textAux + " "+ tokenAux

print(textAux)

抱歉英文不好,謝謝！

解決方法:

string是不可變的,因此,如果字符串很長,每次更新字符串都不是好習慣. link here解釋了連接字符串和顯示性能分析的各種方法.而且,因為迭代只進行一次,所以最好選擇生成器表達而不是列表理解.有關詳細信息,您可以查看discussion here.在這種情況下,使用帶有join的生成器表達式可能會有所幫助：

使用my_text作為長字符串：len(my_text) – > 444399

使用timeit進行比較：

%%timeit

tokenAux=""

textAux=""

tokens = nltk.word_tokenize(my_text)

for token in tokens:

tokenAux = token

tokenAux = stemmer.stem(token)

textAux = textAux + " "+ tokenAux

結果：

1 loop, best of 3: 6.23 s per loop

使用帶有join的generator表達式：

%%timeit

' '.join(stemmer.stem(token) for token in nltk.word_tokenize(my_text))

結果：

1 loop, best of 3: 2.93 s per loop

標簽：python,nlp,nltk,stemming

來源： https://codeday.me/bug/20190622/1264573.html

總結

以上是生活随笔為你收集整理的python字符串创建_在Python上创建完整的字符串的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。