Создание исходного файла vowpal wabbit

table = pd.read_excel('/path/to/test.xlsx')

from pymystem3 import Mystem
import re
from collections import defaultdict
from pprint import pprint
 
text="""  Все счастливые семьи похожи друг на друга, каждая  несчастливая  семья
несчастлива по-своему.
  Все смешалось в доме Облонских. Жена узнала, что муж  был  в  связи  с
бывшею в их доме француженкою-гувернанткой, и объявила мужу, что не  может
жить с ним в одном доме. Положение это продолжалось уже третий  день
и мучительно чувствовалось и самими супругами, и всеми членами семьи,  и
домочадцами. Все члены семьи и домочадцы чувствовали, что нет  смысла  в
их сожительстве и что на каждом постоялом дворе случайно сошедшиеся люди
более связаны между собой, чем они, члены семьи и  домочадцы  Облонских.
Жена не выходила из своих комнат, мужа третий день не  было  дома.  Дети
бегали по всему дому, как потерянные; англичанка поссорилась с экономкой
и написала записку приятельнице, прося приискать ей новое  место;  повар
ушел еще вчера со двора, во время обеда; черная кухарка и кучер  просили
расчета.
"""
 
 
"""
A       прилагательное
ADV     наречие
ADVPRO  местоименное наречие
ANUM    числительное-прилагательное
APRO    местоимение-прилагательное
COM     часть композита - сложного слова
CONJ    союз
INTJ    междометие
NUM     числительное
PART    частица
PR      предлог
S       существительное
SPRO    местоимение-существительное
V       глагол
"""
#-------------------------------
 
pattern = re.compile(r',|=')
m = Mystem()            
dd = defaultdict(set)
lemmas = m.analyze(text)
 
# на выходе список словарей вида:  
"""
{
'analysis': [{
    'gr': 'V,несов,пе=прош,мн,изъяв', 
    'lex': 'просить'}
    ],
'text': 'просили'
},
"""
#lemmas = m.lemmatize(text) # простой список нормализованных форм всех слова текста; разделители слов из текста автоматически не удаляются
pprint(lemmas) 
 
for data in lemmas:
    analysis = data.get('analysis')
    if not analysis: continue
    data = analysis[0]
    lemma = data['lex']  # извлекаем лексему
    part = pattern.split(data['gr'])[0] # извлекаем название части речи
    dd[part].add(lemma) # каждую лексему сохраняем в словаре вида {часть_речи: set([lexema,lexema,...])}
 
pprint(dd)