Stimmung in der Scooter-Community

Der Stadtrat möchte wissen, wie unterschiedliche Communities in der Stadt auf die Scooter reagieren. Seit Sams erster Analyse ist der Datensatz gewachsen und enthält jetzt Berichte auf Vietnamesisch, Tagalog, Spanisch und Englisch.

Sie bittet Sam herauszufinden, ob sich daraus etwas ablesen lässt. Sam entscheidet, dass sich eine Community am besten über die Sprache annähern lässt (zumindest mit den Daten, auf die sie sofort Zugriff hat).

Sie hat die CSV bereits in die Variable scooter_df geladen:

Scooter dataframe contents

In dieser Übung hilfst du Sam, die Stimmung in vielen verschiedenen Sprachen zu verstehen. Das hilft der Stadt zu erkennen, wie unterschiedliche Communities zu Scootern stehen – etwas, das die Stimmen der Stadtratsmitglieder beeinflussen wird.

Diese Übung ist Teil des Kurses

<Kurs>Einführung in AWS Boto mit Python</Kurs>

Kurs ansehen

Übungsanweisungen

Bestimme für jede DataFrame-Zeile die dominante Sprache.
Verwende die erkannte Sprache, um die Stimmung der Beschreibung zu bestimmen.
Gruppiere den DataFrame in dieser Reihenfolge nach den Spalten 'sentiment' und 'lang'.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

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()

Code bearbeiten und ausführen