Řetězcové operátory s daty z Twitteru
Pokračuješ v práci s daty tweets, kde sloupec text obsahuje obsah každého tweetu.
Tvým úkolem je převést sloupec text na seznam tokenů. Pak pomocí řetězcových operátorů odstraň z vytvořeného seznamu tokenů všechny nealfabetické znaky.
Toto cvičení je součástí kurzu
Sentiment Analysis v Pythonu
Pokyny k cvičení
- Importuj funkci pro tokenizaci slov.
- Vytvoř tokeny slov z každého tweetu.
- Vyfiltruj z vytvořeného seznamu všechny nealfabetické znaky, tedy ponech pouze písmena.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Import the word tokenizing package
____
# Tokenize the text column
word_tokens = [____(review) for review in tweets.text]
print('Original tokens: ', word_tokens[0])
# Filter out non-letter characters
cleaned_tokens = [[word for word in item if ____.____] for item in word_tokens]
print('Cleaned tokens: ', cleaned_tokens[0])