Nálada v komunitě koloběžkářů

Městská rada chce vědět, jak různé komunity ve městě reagují na koloběžky. Dataset se od Samininy počáteční analýzy rozrostl a nyní obsahuje hlášení ve vietnamštině, tagalogštině, španělštině a angličtině.

Radní požádali Sam, aby se na to podívala. Rozhodla se, že nejlepším způsobem, jak komunity rozlišit, je jazyk (alespoň s daty, která má právě k dispozici).

CSV soubor už načetla do proměnné scooter_df:

Scooter dataframe contents

V tomto cvičení pomůžeš Sam pochopit náladu napříč různými jazyky. Díky tomu město lépe porozumí tomu, jak různé komunity ke koloběžkám přistupují — a to může ovlivnit i hlasování členů městské rady.

Toto cvičení je součástí kurzu

Introduction to AWS Boto in Python

Zobrazit kurz

Pokyny k cvičení

Pro každý řádek DataFrame zjisti dominantní jazyk.
Podle zjištěného jazyka urči sentiment daného popisu.
Seskup DataFrame podle sloupců 'sentiment' a 'lang' v tomto pořadí.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

for index, row in scooter_requests.iterrows():
  	# For every DataFrame row
    desc = scooter_requests.loc[index, 'public_description']
    if desc != '':
      	# Detect the dominant language
        resp = comprehend.____(____=desc)
        lang_code = resp['Languages'][0]['LanguageCode']
        scooter_requests.loc[index, 'lang'] = lang_code
        # Use the detected language to determine sentiment
        scooter_requests.loc[index, 'sentiment'] = comprehend.____(
          ____=desc, 
          ____=lang_code)['____']
# Perform a count of sentiment by group.
counts = scooter_requests.groupby(['sentiment', 'lang']).count()
counts.head()

Upravit a spustit kód