pycharm在百度帖吧帕图代码_垃圾文本识别项目中的基本操作指南和代码错误分析，第一部分

1.库文件导入

用到的库：pandas、jieba、re。

Pycharm操作步骤:

会看到以下界面：

这个是为我们项目添加库文件的，我们添加后，库文件会导入项目文件目录里面。Packge为包名，Version是版本，我们默认有pip和setuptools两个库，我们不用管就行。但在接下来的代码中，我们要用到pandas函数和jieba函数，需要导入新的库。

方法是点击右上角的加号。

在新建包的窗口中，我们在上面的搜索框输入“pandas"然后搜索，搜到后直接点左下角的Install Packge就可以了。

2.代码编写

上面只是导入了库，但对于每一个新建的Python File，我们还要在前面引用库文件。

在写下

import pandas as pdimport reimport jieba

这三行代码后，Pytharm会显示这种提示：

提示，提示我们库文件未应用，意思是我们引入了这三个库，但在下面的代码中却没有使用。

注意我们这是先写库文件，此处我们已经知道我们要用到这三个库，只不过代码还没来得及写。如果我们先写库文件里的函数，再写库文件引用的话，就不会出现这个提示了。

---

在引入原始数据的csv文件后，我们想查看一下这个原始文件，但不能在代码中添加输出之类的代码，因为这样会增加程序复杂性。怎么做呢，这里需要用到Python Console功能。

Python Console叫做Python控制台，即Python交互模式。左边的Terminal叫做终端，即命令行模式。

Python交互模式主要有两种：CPython用>>>作为提示符，而IPython用In [序号]:作为提示符。

可以根据最下面的>>>看到我们用的是CPython交互模式。

Python交互式模式可以直接输入代码，然后执行，并立刻得到结果，因此Python交互模式主要是为了调试Python代码用的。

Terminal命令行模式与系统的CMD(命令提示符)一样，可以运行各种系统命令。

把

data = pd.read_csv('message80W1.csv', header=None, index_col=0)

这行代码写进交互窗口后，如果你已经把原文件导入项目目录，就不会报错，然后交互器会进入待输入模式。

如果我们想查看这个读取的文件是否被正确储存到data变量里边，就可以在交互器下直接输入data来查看。

注意在此处我们已经把原文件的题目设置为none，第零列为行索引。

我在输入的时候没有注意到空格，也就是缩进，这时就会爆出这样的错误：

编译器会提示意外缩进，所以说Python和c的差别是很大的， C语言在理论上可以无视缩进，但Python的缩进也是Python的语法之一，意外的缩进都会报错。

去除敏感词操作，也就是去除”X"序列。

此处调用了结巴分词。输出文件为data_cut;

然后进行导入自定义停用词操作，其中包含编码设置，分隔符设置，标题设置。

在进行添加文件中的停用词时，在此却出现了错误：

根据提示you can avoid this warning by specifying engine='python'.添加“engine='Python'”后，问题仍然不能解决，但是没有了上面的提示，并提示大意为“正则表达式、停用词”的报错，抱着试一试的态度删除了停用词设置。结果仍然提示错误。

我和我的小伙伴尝试了更改编码方式、改变停用词、重装pandas库等方法，都没有解决，去百度也查不到解决办法，最终只能不了了之。

再往下的代码就一帆风顺，成功的输出了adata

数据处理部分的最后一步，函数包装。

函数封装无非就是把源文件'message80W1.csv'替换成形参，但形参的默认值还是'message80W1.csv'文件。

然后返回值是adata,data_after_stop,labes这三个。

注意我们在进行def函数声明之后，往下的代码都是函数的内部，但是def函数声明和下面的代码都没有缩进。函数内部代码缩进应该比函数声明多。我们需要把下面的代码全部缩进。

这里用到了Pycharm的统一缩进快捷键tab;

最后注意函数声明之后要加入引号。

奇怪的是，我们单个的在控制台输入添加文件提供词时会报错，但将整个封装之后的代码全部输入控制台，却成功的编译，我实在想不出这是什么原因。

在该部分的代码写完之后，我发现最前面的三个import引用发生了变化：我们没有引用前面的三个库文件时，这些库文件的字体是灰色的，但在引用这些库文件里面的函数之后，这些库文件的字体就变成了亮白色。也不会再出现像最前面那种提示库文件没有引用的错误了