将 ai.extract 与 pandas 配合使用

该 ai.extract 函数使用生成 AI 扫描输入文本并提取所选标签指定的特定类型信息（例如位置或名称）。 它只使用一行代码。

注释

• 本文介绍如何将 ai.extract 与 pandas 配合使用。 若要将 ai.extract 与 PySpark 配合使用，请参阅 本文。
• 请参阅 本概述文章中的其他 AI 函数。
• 了解如何自定义 AI 函数的配置。

概述

ai.extract 函数扩展了 pandas Series 类。 若要从每行输入中提取自定义实体类型，请对 pandas DataFrame 文本列调用函数。

与其他 AI 函数不同， ai.extract 返回 pandas DataFrame，而不是序列，每个指定实体类型都有一个单独的列，其中包含每个输入行的提取值。

Syntax

df_entities = df["text"].ai.extract("entity1", "entity2", "entity3")

参数

Name	Description
labels 必选	一个或多个 字符串 ，表示要从输入文本值中提取的实体类型集。
aifunc.ExtractLabel 可选	描述要提取的字段的一个或多个标签定义。 有关详细信息，请参阅 ExtractLabel 参数 表。

ExtractLabel 参数

Name	Description
label 必选	一个 字符串 ，表示要从输入文本值中提取的实体。
description 可选	为 AI 模型添加额外上下文的 字符串 。 AI 在执行提取时可以考虑的内容包括要求、上下文或说明。
max_items 可选	一个 int ，指定要为此标签提取的最大项数。
type 可选	提取值的 JSON 架构类型。 此类支持的类型包括string、、numberinteger、boolean和objectarray。
properties 可选	类型作为字典的更多 JSON 架构属性。 它可以包括支持的特性，例如数组的“items”、对象的“properties”、枚举类型的“enum”等。 请参阅 本文中的示例用法。
raw_col 可选	一个 字符串 ，用于设置原始 LLM 响应的列名称。 原始响应为每个实体标签提供字典对列表，包括“reason”和“extraction_text”。

退货

该函数返回一个 pandas DataFrame ，其中包含每个指定实体类型的列。 列包含从每行输入文本中提取的实体。 如果函数标识实体的多个匹配项，则它只返回其中一个匹配项。 如果未找到匹配项，则结果为 null。

默认返回类型是每个标签的字符串列表。 如果用户选择在配置中 aifunc.ExtractLabel 指定其他类型，例如“type=integer”，则输出将是 python int 的列表。如果用户在 aifunc.ExtractLabel 配置中指定“max_items=1”，则只为该标签返回该类型的一个元素。

Example

仅显示标签

# This code uses AI. Always review output for mistakes.

df = pd.DataFrame([
        "MJ Lee lives in Tuscon, AZ, and works as a software engineer for Contoso.",
        "Kris Turner, a nurse at NYU Langone, is a resident of Jersey City, New Jersey."
    ], columns=["descriptions"])

df_entities = df["descriptions"].ai.extract("name", "profession", "city")
display(df_entities)

此示例代码单元提供以下输出：

ExtractLabel

# This code uses AI. Always review output for mistakes.

df = pd.DataFrame([
        "Alex Rivera, a 24-year-old midfielder from Barcelona, scored 12 goals last season, with an impressive 5 goals in one game.",
        "Jordan Smith, a 29-year-old striker from Manchester, scored exactly 1 goal in every game, for a total of 34 goals."
    ], columns=["bio"])

df["goals"] = df["bio"].ai.extract(
    aifunc.ExtractLabel(
        label = "goals", 
        description = "total goals only", 
        max_items = 1, 
        type = "integer"
    )
)
display(df)

此示例代码单元提供以下输出：

相关内容

• 将 ai.extract 与 PySpark 配合使用。

• 使用 ai.analyze_sentiment检测情绪。

• 使用 ai.classify 对文本进行分类。

• 使用 ai.embed 生成矢量嵌入。

• 使用 ai.fix_grammar修复语法。

• 使用 ai.generate_response回答自定义用户提示。

• 使用 ai.similarity 计算相似性。

• 使用ai.summarize功能汇总文本。

• 使用 ai.translate 翻译文本。

• 详细了解 完整的 AI 函数集。

• 自定义 AI 函数的配置。

• 我们错过了所需的功能吗？ 在面料创意论坛上提出建议。