Normalizarea recenziilor
Este momentul să extragem câteva cuvinte importante din setul tău de date cu recenzii de filme. Mai întâi, trebuie să le normalizezi, apoi să le numeri frecvența. Normalizarea presupune, printre altele, convertirea tuturor cuvintelor la litere mici, eliminarea caracterelor speciale și extragerea rădăcinii unui cuvânt, astfel încât variantele sale să fie numărate ca una singură.
Imagine-ți că ai următoarele recenzii: The movie surprises me very much și Marvel movies always surprise their audience. Dacă numeri frecvența cuvintelor, vei număra surprises o dată și surprise o dată. Totuși, verbul surprise apare în ambele recenzii, deci frecvența sa reală ar trebui să fie doi.
Textul unei recenzii de film pentru un singur exemplu a fost deja salvat în variabila movie. Poți folosi print(movie) pentru a vizualiza variabila în Shell-ul IPython.
Acest exercițiu face parte din cursul
Expresii regulate în Python
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
# Convert to lowercase and print the result
movie_lower = ____
print(____)