为什么要附加字母而不是单词？

Question

我目前正在处理来自DSTC8模式对话的JSON文件：https://github.com/google-research-datasets/dstc8-schema-guided-dialogue

我试图为每个对话提取键'act‘的值，我的代码如下所示：

with open('path/dialogues_001.json', 'r') as f:
data = json.load(f)

    col = []
    #Looping through each dialogue
    for i in data:
        row = []
        x.append(q)
         #For every turns, we will loop through the 'frames' and 'actions'
         for j in i['turns']:
             for k in j['frames']:
                 for l in k['actions']:
                    #Looping through the key ; 'act'
                    for m in l['act']:
                        q.append(m)

print(x[0])

但是，追加的结果被编写为

['I', 'N', 'F', 'O', 'R', 'M', 'I', 'N', 'F', 'O', 'R', 'M', 'I', 'N', 'F', 'O', 'R', 'M', '_', 'I', 'N', 'T', 'E', 'N', 'T', 'R', 'E', 'Q', 'U', 'E', 'S', 'T']

而不是['INFORM', 'INFORM, INFORM_INTENT, 'REQUEST']

你们知道我的代码中有什么问题吗?在代码中，字母被附加，而不是单词值？

Answer 1

您不需要最后一个for循环，因为它正在迭代为键act找到的值的字母。

此外，如果您使用有意义的对象名称，这将帮助您更好地维护代码：

import json

acts = []
with open('inp.json', 'r') as f:
    data = json.load(f)

    for dialogue in data:
        for turn in dialogue.get('turns', []):
            for frame in turn.get('frames', []):
                for action in frame.get('actions', {}):
                    act = action.get('act')
                    acts.append(act)
print(acts)

产出子集：

['INFORM', 'INFORM_INTENT', 'REQUEST', 'REQUEST', 'INFORM']

注意:如果您只想要唯一的行为名称，您可能需要使用set()数据类型。

Answer 2

或者，您可以将json转换为dataframe，并通过对话框id查找所有使用regex的操作。

import pandas as pd
import re

df = pd.read_json('path/dialogues_001.json')
df.turns = df.turns.apply(str)
df['acts'] = [re.findall(r"'act': '(\w+)'", row) for row in df['turns']]

现在，您有了所有的对话框ids和它们的行为名称。它还可以工作，因为根据DSTC8中的Scheme表示，acts只出现在actions下。

​