猫头虎分享：从数据集中查找完整的Emoji小表情的完整过程

最新推荐文章于 2024-12-25 23:22:09 发布

猫头虎

最新推荐文章于 2024-12-25 23:22:09 发布

阅读量9.1k

点赞数 39

分类专栏： # Python专栏文章标签： python scrapy pandas scipy numpy pip beautifulsoup

转载必须标明来源：猫头虎技术团队，其他疑问搜： CSDNWF

本文链接：https://blog.csdn.net/qq_44866828/article/details/143192703

版权

Python专栏专栏收录该内容

91 篇文章

订阅专栏

🦉 猫头虎分享：从数据集中查找完整的Emoji小表情的完整过程

一、前言

今天有个很有趣的说法，有人最近问猫头虎：**如何在数据集中快速查找所有的Emoji小表情？**于是我出了这一篇与大家分享的博客，来让你们学会从数据集中查找完整的Emoji小表情的完整过程！

猫头虎是谁？

大家好，我是猫头虎，猫头虎技术团队创始人，也被大家称为猫哥。我目前是COC北京城市开发者社区主理人、COC西安城市开发者社区主理人，以及云原生开发者社区主理人，在多个技术领域如云原生、前端、后端、运维和AI都具备丰富经验。

我的博客内容涵盖广泛，主要分享技术教程、Bug解决方案、开发工具使用方法、前沿科技资讯、产品评测、产品使用体验，以及产品优缺点分析、横向对比、技术沙龙参会体验等。我的分享聚焦于云服务产品评测、AI产品对比、开发板性能测试和技术报告。

目前，我活跃在CSDN、51CTO、腾讯云、阿里云开发者社区、知乎、微信公众号、视频号、抖音、B站、小红书等平台，全网粉丝已超过30万。我所有平台的IP名称统一为猫头虎或猫头虎博主。

我希望通过我的分享，帮助大家更好地掌握和使用各种技术产品，提升开发效率与体验。

猫头虎分享python

作者名片 ✍️

博主：猫头虎
全网搜索关键词：猫头虎
作者微信号：Libin9iOak
作者公众号：猫头虎技术团队
更新日期：2024年10月10日
🌟 欢迎来到猫头虎的博客 — 探索技术的无限可能！

加入我们AI共创团队 🌐

猫头虎AI共创社群矩阵列表：
- 点我进入共创社群矩阵入口
- 点我进入新矩阵备用链接入口

加入猫头虎的共创圈，一起探索编程世界的无限可能！ 🚀

文章目录

🦉 猫头虎分享：从数据集中查找完整的Emoji小表情的完整过程

猫头虎分享PYTHON

二、工具和环境准备

在开始做任何操作前，我们需要准备好所需的工具和工作环境：

Python 3.x （建议最新的版本）
Pandas 和 re 库，用于数据处理和正则表达式对符。
实际数据集，这里我使用了一个泛泛于社交媒体的评论数据集。

🛠这些工具都可以通过 pip 快速安装，例如：

pip install pandas

三、过程步骤

下面我会从数据加载到数据识别，步步运行这个过程：

1. 数据加载

首先，使用 Pandas 加载数据集：

import pandas as pd

# 加载CSV数据集
data = pd.read_csv('comments.csv')
print(data.head())

此步骤主要是根据数据集的路径将数据加载进来，使用 .head() 来查看前5条记录。

2. 识别完整的Emoji

使用 re 库来识别所有的 Emoji。

首先，我们必须定义一个正则表达式来识别Emoji字符：

import re

# 定义正则表达式来匹配Emoji
emoji_pattern = re.compile(
    "[\U0001F600-\U0001F64F✂-➰\U0001F300-\U0001F5FF\U0001F680-\U0001F6FF\U0001F1E0-\U0001F1FF]+"
)

然后，我们可以遇到数据集中，查找所有的Emoji：

def extract_emojis(text):
    return emoji_pattern.findall(text)

# 从数据中泛泛过滤，查找所有的Emoji
emojis_list = data['comment'].apply(lambda x: extract_emojis(x) if isinstance(x, str) else [])

# 合并所有Emoji到一个列表
all_emojis = [emoji for sublist in emojis_list for emoji in sublist]
print(set(all_emojis))

🚀 这些步骤会转换评论中的所有字符为Emoji，并会返回一个完整的Emoji列表。

3. 数据带的分析

为了便于分析并分享你的发现，我们还可以计算每个Emoji出现的次数：

from collections import Counter

# 统计每个Emoji的出现次数
emoji_counts = Counter(all_emojis)
print(emoji_counts.most_common(10))

📈 上述代码计算了出现最颜值的前10个Emoji，你可以将其用于社交媒体分析，或者作为产品反馈的指标。

四、为什么代码数据集中会有Emoji小表情？

在代码数据集中，出现Emoji小表情的情况并不罕见，这可能有以下几个原因：

代码注释和文档：开发者在代码的注释中使用Emoji来表达情感或强调某些重要内容，使得代码更具可读性和趣味性。例如，使用✅表示任务完成，⚠️表示警告。
社交编程平台的影响：在像GitHub这样的平台上，开发者常常在提交信息（commit message）、PR描述以及讨论中使用Emoji，以提高沟通效率和表达效果。这些信息可能会被包含在数据集中。
配置文件和日志：有些项目中，配置文件或日志中可能包含Emoji，特别是为了标记不同的状态或日志级别，使得日志更易于理解和跟踪。