整理转写后的电话通话数据
我们已经快可以构建文本分类器了。不过目前，所有转写后的文本数据还分散在两个列表中：pre_purchase_text 和 post_purchase_text。
为便于构建文本分类器，也便于后续复用，我们将它们整合到一个 pandas DataFrame 中。
首先导入 pandas 并命名为 pd，然后使用 pd.DataFrame() 创建一个购买后数据的 DataFrame，命名为 post_purchase_df。
向 pd.DataFrame() 传入一个字典，其中包含键 "label"，取值为 "post_purchase"，以及键 "text"，取值为我们的 post_purchase_text 列表。
对 pre_purchase_df 也做同样的处理，但将 text 的取值换为 pre_purchase_text。
为了把所有数据放在一起，使用 pd.concat()，并将购买前和购买后的两个 DataFrame 作为列表传入。
本练习是课程的一部分
Python 语音语言处理
练习说明
- 使用
post_purchase_text列表创建post_purchase_df。 - 使用
pre_purchase_text列表创建pre_purchase_df。 - 使用
pd.concat()合并这两个 DataFrame。
交互式实操练习
通过完成这段示例代码来试试这个练习。
import pandas as pd
# Make dataframes with the text
post_purchase_df = pd.DataFrame({"label": "post_purchase",
"text": ____})
pre_purchase_df = pd.____({"label": "pre_purchase",
"text": ____})
# Combine DataFrames
df = pd.____([post_purchase_df, pre_purchase_df])
# Print the combined DataFrame
print(df.head())