TypeError：使用NLTK word_tokenize时预期的字符串或类似字节的对象

如何解决TypeError：使用NLTK word_tokenize时预期的字符串或类似字节的对象

我正在尝试导入CSV文件，然后使用NLTK分析文本。 CSV文件包含几列，但现在我只想分析此文件中的一列。

csv文件的示例为： sample data from csv file

读取CSV文件和使用word_tokenize的代码如下：

import pandas as pd
import nltk
#nltk.download('all')

data=pd.read_csv("Output-analysis.csv")
print (data.SAT_COMMENTS)

from nltk.tokenize import word_tokenize
tokenize_word=word_tokenize(data.SAT_COMMENTS)
print(tokenize_word)

看来我可以读取并打印SAT_Comment列没问题，但是当我尝试使用word_tokenize时，它指向的是csv文件中的某些行，然后是TypeError：预期的字符串或类似字节的对象错误。

错误详细信息：

Traceback (most recent call last):
  File "C:\Users\Rachel\Desktop\SAT analysis\Attempts.py",line 22,in <module>
    tokenize_word=word_tokenize(data.SAT_COMMENTS)
  File "C:\Users\Rachel\AppData\Local\Programs\Python\Python38\lib\site-packages\nltk\tokenize\__init__.py",line 129,in word_tokenize
    sentences = [text] if preserve_line else sent_tokenize(text,language)
  File "C:\Users\Rachel\AppData\Local\Programs\Python\Python38\lib\site-packages\nltk\tokenize\__init__.py",line 107,in sent_tokenize
    return tokenizer.tokenize(text)
  File "C:\Users\Rachel\AppData\Local\Programs\Python\Python38\lib\site-packages\nltk\tokenize\punkt.py",line 1272,in tokenize
    return list(self.sentences_from_text(text,realign_boundaries))
  File "C:\Users\Rachel\AppData\Local\Programs\Python\Python38\lib\site-packages\nltk\tokenize\punkt.py",line 1326,in sentences_from_text
    return [text[s:e] for s,e in self.span_tokenize(text,realign_boundaries)]
  File "C:\Users\Rachel\AppData\Local\Programs\Python\Python38\lib\site-packages\nltk\tokenize\punkt.py",in <listcomp>
    return [text[s:e] for s,line 1316,in span_tokenize
    for sl in slices:
  File "C:\Users\Rachel\AppData\Local\Programs\Python\Python38\lib\site-packages\nltk\tokenize\punkt.py",line 1357,in _realign_boundaries
    for sl1,sl2 in _pair_iter(slices):
  File "C:\Users\Rachel\AppData\Local\Programs\Python\Python38\lib\site-packages\nltk\tokenize\punkt.py",line 314,in _pair_iter
    prev = next(it)
  File "C:\Users\Rachel\AppData\Local\Programs\Python\Python38\lib\site-packages\nltk\tokenize\punkt.py",line 1330,in _slices_from_text
    for match in self._lang_vars.period_context_re().finditer(text):
TypeError: expected string or bytes-like object

有什么建议吗？我知道word_tokenize处理一次不是针对字符串，但我无法弄清楚这里出了什么问题。谢谢

解决方法

确保该列中没有NaN

data.SAT_COMMENTS = data.SAT_COMMENTS.fillna('')