Caractéristiques textuelles de haut niveau
Une fois le texte nettoyé et normalisé, vous pouvez commencer à créer des caractéristiques à partir des données. L'information la plus fondamentale que vous pouvez calculer sur un texte libre est sa taille, par exemple sa longueur et son nombre de mots. Dans cet exercice (et pour le reste de ce chapitre), vous vous concentrerez sur la colonne de texte nettoyé/transformé (text_clean) que vous avez créée à l'exercice précédent.
Cette activité fait partie du cours
Ingénierie des caractéristiques pour le Machine Learning en Python
Instructions de l’exercice
- Inscrivez la longueur en caractères de chaque discours dans la colonne
char_count. - Inscrivez le nombre de mots de chaque discours dans la colonne
word_count. - Inscrivez la longueur moyenne des mots de chaque discours dans la colonne
avg_word_length.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Find the length of each text
speech_df['char_cnt'] = speech_df['text_clean'].____
# Count the number of words in each text
speech_df['word_cnt'] = speech_df['text_clean'].____
# Find the average length of word
speech_df['avg_word_length'] = ____ / ____
# Print the first 5 rows of these columns
print(speech_df[['text_clean', 'char_cnt', 'word_cnt', 'avg_word_length']])