Deinen Text bereinigen

Unstrukturierte Textdaten lassen sich in den meisten Analysen nicht direkt verwenden. Vom langen Freitext bis zu einem Satz numerischer Spalten im richtigen Format, den ein Machine-Learning-Modell verarbeiten kann, sind mehrere Schritte nötig. Der erste Schritt besteht darin, die Daten zu standardisieren und alle Zeichen zu entfernen, die später in deiner Analyse-Pipeline Probleme verursachen könnten.

In diesem Kapitel arbeitest du mit einem neuen Datensatz, der die Antrittsreden der Präsidenten der Vereinigten Staaten enthält, geladen als speech_df, wobei die Reden in der Spalte text gespeichert sind.