Nastroje społeczności hulajnogowej
Radę Miejską interesuje, jak różne społeczności w mieście reagują na hulajnogi. Zbiór danych rozrósł się od czasu wstępnej analizy przeprowadzonej przez Sam – zawiera teraz raporty w języku wietnamskim, tagalskim, hiszpańskim i angielskim.
Rada prosi Sam, żeby spróbowała to zbadać. Sam decyduje, że najlepszym sposobem na identyfikację społeczności jest język (przynajmniej na podstawie danych, które ma w tej chwili pod ręką).
Sam wczytała już plik CSV do zmiennej scooter_df:
W tym ćwiczeniu pomożesz Sam przeanalizować nastroje w wielu różnych językach. Pozwoli to miastu lepiej zrozumieć, jak poszczególne społeczności postrzegają hulajnogi – a to może mieć wpływ na głosy członków Rady Miejskiej.
To ćwiczenie jest częścią kursu
Wprowadzenie do AWS Boto w Pythonie
Instrukcje do ćwiczenia
- Dla każdego wiersza ramki danych wykryj dominujący język.
- Korzystając z wykrytego języka, określ nastrój (sentyment) opisanego zgłoszenia.
- Pogrupuj ramkę danych według kolumn
'sentiment'i'lang'– w tej kolejności.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
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()