如何将数据帧中的每个单词组成一个句子，并在句号或问号后生成下一个句子

Question

如何将数据帧中的每个单词组合成一个句子，并在句号或问号后生成下一个句子？

原始数据帧如下所示：

start_time  end_time words
0.1           0.2     I
0.3           0.4     AM
0.5           0.6     GOOD.
0.7           0.8     HOW
0.9           1.0     ABOUT
1.1           1.2     YOU?
1.3           1.4      OK!

我想要得到的结果是这样的：

start_time  end_time   words
0.1          0.6     I AM GOOD.
0.7          1.2     HOW ABOUT YOU?
1.3          1.4     OK!

这是我的数据帧：

data = {'start_time': [0.1, 0.3, 0.5, 0.7, 0.9, 1.1, 1.3],
'end_time': [0.2, 0.4, 0.6, 0.8, 1.0, 1.2, 1.4],
'word':['I','AM','OK.','HOW', 'ABOUT', 'YOU?','OK!']}
df = pd.DataFrame(data, columns = ['start_time', 'end_time','word'])

有什么建议的算法可以帮助解决这个问题吗，非常感谢！

Answer 1

尝试：

import re
pattern = re.compile(r".|!|?$")
df_out = df.groupby(
df.word.apply(lambda x: bool(pattern.search(x))).shift().fillna(0).cumsum()
).agg({"start_time": "first", "end_time": "last", "word": " ".join})
print(df_out)

打印：

start_time  end_time            word
word                                      
0            0.1       0.6        I AM OK.
1            0.7       1.2  HOW ABOUT YOU?
2            1.3       1.4             OK!