在jupyter notebook中使用ner_data样本集基于今天课堂内容划分数据样本集并使用map方法完成数据映射的程序代码

下面是在Jupyter Notebook中使用ner_data样本集，基于课堂内容，划分数据样本集并使用map方法完成数据映射的程序代码：

import pandas as pd

# 读取数据样本集
data = pd.read_csv('ner_data.csv')

# 划分数据集
train_data = data.sample(frac=0.8, random_state=1)  # 80%的数据作为训练集
test_data = data.drop(train_data.index)  # 剩余的数据作为测试集

# 数据映射函数
def map_data(row):
    # 将标签转换为对应的数字
    if row['Tag'] == 'O':
        return 0
    elif row['Tag'] == 'B-PER' or row['Tag'] == 'I-PER':
        return 1
    elif row['Tag'] == 'B-LOC' or row['Tag'] == 'I-LOC':
        return 2
    elif row['Tag'] == 'B-ORG' or row['Tag'] == 'I-ORG':
        return 3
    else:
        return -1  # 未知标签

# 在训练集上应用数据映射
train_data['Tag'] = train_data.apply(map_data, axis=1)

# 在测试集上应用数据映射
test_data['Tag'] = test_data.apply(map_data, axis=1)

在上述代码中，首先使用pd.read_csv()函数读取ner_data.csv文件中的数据样本集。然后使用sample()函数将数据集划分为80%的训练集和20%的测试集。接下来定义了一个map_data()函数，用于将标签Tag映射为对应的数字。最后，使用apply()方法在训练集和测试集上应用数据映射函数，将标签Tag映射为数字