Python

comment[comment[rateContent].notnull()]

DataFrame

重命名列df.rename(columns{old_name:

new_name})删除列del

df.drop(columns[column_name])删除行df.drop(indexlabels_to_drop)转换数据类型df[column_name]

df[column_name].astype(new_type)排序索引df.sort_index()重置索引df.reset_index()转换日期和时间数据pd.to_datetime()等等...

里面rateContent列里面非空的数据重新赋值给comment

4.d2v_train

Series、DataFrame连接在一起。

这个函数在处理多个

DataFrame

True则忽略原始索引并生成一个新的整数索引。

keys对于分层索引可以提供一个列表或数组作为连接键。

...还有其他参数但上述是最常用的。

注意事项

DataFrame其中字典的键将用作新的列级索引。

例如pd.concat({key1:

df1,

pd.DataFrame(pd.Series(w).value_counts())

步骤分解

6.dict[id]list(range(1,len(dict)1))

pn[sent]

Series、列表或其他可迭代对象执行几个操作。

下面是对这些操作的详细解释

pn[sent]这部分代码假定

是其中的一个列名。

这个列可能包含文本数据、数字或其他任何类型的可迭代数据。

list(pn[sent])这里您正在将

pn[sent]

Series对象虽然可以像列表一样迭代但有时为了与其他Python库或功能一起使用您可能需要将其转换为列表。

np.array(...)使用NumPy库的

array

函数将列表转换为一个NumPy数组。

NumPy数组是优化过的数据结构用于存储大量同类型数据并提供高效的数值计算功能。

[::2]这是一个切片操作用于从NumPy数组中选取元素。

具体来说[::2]

意味着从数组的开始到结束每隔一个元素取一个。

因此如果原始数组是

[a,

列中的元素是字符串例如文本数据那么将它们转换为NumPy数组可能不会提供您期望的功能或性能优势因为NumPy主要用于数值计算而不是字符串处理。

如果您的目标是处理文本数据那么使用Pandas的字符串方法或Python的内置字符串功能可能更为合适。

苏大神的思路是用jieba分词将词汇分出。

然后通过词频统计对分过的词进行数字映射。

然后这样每一个句子就变成了一个长短不一的向量再将向量裁切或增加为规定大小的长度。

之后将裁切的向量与对于的二分类的标签送入构造的网络中训练。

训练后统计准确度。

网络第一层用embedding层来生成语义向量向量长度为256维。

第二层为LSTM层第三层为Dropout层第四层为Dense全连接层,第五层为激活层激活函数为sigmoid二分类激活函数。

思考能否实现多分类细腻情感喜怒哀乐