《长津湖》影评文本数据清洗--(简易版)

2024-01-13 09:50

本文主要是介绍《长津湖》影评文本数据清洗--(简易版),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

《长津湖》python文本数据清洗

文章目录

    • 《长津湖》python文本数据清洗
        • 1.项目背景
        • 2.研究路线
        • 3.方案实施
          • 3.1数据清洗(某个案例)
          • 3.2数据可视化

1.项目背景

​ 《长津湖》作为近年比较火的电影,它用来致敬曾经伟大的战斗前辈。此次项目为用python 和Kettle 对爬取到的《长津湖》电影短评进行数据清洗与数据可视化分析,然后应用python连接数据库技术将清洗后的数据保存到excel 中,然后再导入到数据库保存,本项目将简单模拟数据清洗一系列流程。

2.研究路线
影评数据爬取
数据清洗
数据可视化
数据导入mysql数据库
3.方案实施
3.1数据清洗(某个案例)

在python中编写数据清洗的代码,主要包括缺失值的删除,因为不知道缺失评价是怎么描述的,所以将缺失值进行删除处理。重复值、异常值进行删除,在代码中,我将删除短评字数不超过10个字的短评,其中,短评中出现空格也算一个字,清洗代码如下图所示:

import pandas as pd# 数据加载
data = pd.read_csv("douban_comments.csv")
print("原始数据条数:%d"%len(data))
# 缺失值删除
data = data.dropna(axis=0,how="any")
print("缺失值删除后数据条数:%d"%len(data))
# 重复值删除,删除同一个人的评论,保留最近一次的
data = data.drop_duplicates(subset="name",keep="first")
print("重复值删除后数据条数:%d" %len(data))
# 删除异常值,评论过短的异常值
data["drop"] = data["comments"].map(lambda x: 1 if len(x)>10 else 0)
data = data[data["drop"] != 0]
print("删除异常后的数据条数:%d" %len(data))data.loc[:,["name","date","rate","comments"]].to_excel("comments_cleaned.xlsx",index=False)
3.2数据可视化

这里,我就先不给出可视化代码了,大家可以突发奇想,做出自己满意的图片!!!

下面给出我做的可视化图片:
在这里插入图片描述

本文为课堂任务还没更新完毕,未完待续,下次继续!!!!

这篇关于《长津湖》影评文本数据清洗--(简易版)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/601055

相关文章

Python使用vllm处理多模态数据的预处理技巧

《Python使用vllm处理多模态数据的预处理技巧》本文深入探讨了在Python环境下使用vLLM处理多模态数据的预处理技巧,我们将从基础概念出发,详细讲解文本、图像、音频等多模态数据的预处理方法,... 目录1. 背景介绍1.1 目的和范围1.2 预期读者1.3 文档结构概述1.4 术语表1.4.1 核

MySQL 删除数据详解(最新整理)

《MySQL删除数据详解(最新整理)》:本文主要介绍MySQL删除数据的相关知识,本文通过实例代码给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友参考下吧... 目录一、前言二、mysql 中的三种删除方式1.DELETE语句✅ 基本语法: 示例:2.TRUNCATE语句✅ 基本语

MyBatisPlus如何优化千万级数据的CRUD

《MyBatisPlus如何优化千万级数据的CRUD》最近负责的一个项目,数据库表量级破千万,每次执行CRUD都像走钢丝,稍有不慎就引起数据库报警,本文就结合这个项目的实战经验,聊聊MyBatisPl... 目录背景一、MyBATis Plus 简介二、千万级数据的挑战三、优化 CRUD 的关键策略1. 查

python实现对数据公钥加密与私钥解密

《python实现对数据公钥加密与私钥解密》这篇文章主要为大家详细介绍了如何使用python实现对数据公钥加密与私钥解密,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录公钥私钥的生成使用公钥加密使用私钥解密公钥私钥的生成这一部分,使用python生成公钥与私钥,然后保存在两个文

mysql中的数据目录用法及说明

《mysql中的数据目录用法及说明》:本文主要介绍mysql中的数据目录用法及说明,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录1、背景2、版本3、数据目录4、总结1、背景安装mysql之后,在安装目录下会有一个data目录,我们创建的数据库、创建的表、插入的

Navicat数据表的数据添加,删除及使用sql完成数据的添加过程

《Navicat数据表的数据添加,删除及使用sql完成数据的添加过程》:本文主要介绍Navicat数据表的数据添加,删除及使用sql完成数据的添加过程,具有很好的参考价值,希望对大家有所帮助,如有... 目录Navicat数据表数据添加,删除及使用sql完成数据添加选中操作的表则出现如下界面,查看左下角从左

SpringBoot中4种数据水平分片策略

《SpringBoot中4种数据水平分片策略》数据水平分片作为一种水平扩展策略,通过将数据分散到多个物理节点上,有效解决了存储容量和性能瓶颈问题,下面小编就来和大家分享4种数据分片策略吧... 目录一、前言二、哈希分片2.1 原理2.2 SpringBoot实现2.3 优缺点分析2.4 适用场景三、范围分片

Redis分片集群、数据读写规则问题小结

《Redis分片集群、数据读写规则问题小结》本文介绍了Redis分片集群的原理,通过数据分片和哈希槽机制解决单机内存限制与写瓶颈问题,实现分布式存储和高并发处理,但存在通信开销大、维护复杂及对事务支持... 目录一、分片集群解android决的问题二、分片集群图解 分片集群特征如何解决的上述问题?(与哨兵模

浅析如何保证MySQL与Redis数据一致性

《浅析如何保证MySQL与Redis数据一致性》在互联网应用中,MySQL作为持久化存储引擎,Redis作为高性能缓存层,两者的组合能有效提升系统性能,下面我们来看看如何保证两者的数据一致性吧... 目录一、数据不一致性的根源1.1 典型不一致场景1.2 关键矛盾点二、一致性保障策略2.1 基础策略:更新数

Oracle 数据库数据操作如何精通 INSERT, UPDATE, DELETE

《Oracle数据库数据操作如何精通INSERT,UPDATE,DELETE》在Oracle数据库中,对表内数据进行增加、修改和删除操作是通过数据操作语言来完成的,下面给大家介绍Oracle数... 目录思维导图一、插入数据 (INSERT)1.1 插入单行数据,指定所有列的值语法:1.2 插入单行数据,指