NLP学习2-数据读取与数据分析

NLP学习2-数据读取与数据分析

一，数据读取
下载数据
1.train_set.csv.zip
2.test_a.csv.zip
3.test_a_sample_submit.csv

读取数据

import pandas as pd
train_df = pd.read_csv('/home/jun/NLP/input/train_set.csv', sep='\t', nrows=100)

数据路径我使用的是绝对路径，nrows值设小一点，太大会卡电脑

二，数据分析
1.句子长度分析

%pylab inline
train_df['text_len'] = train_df['text'].apply(lambda x: len(x.split(' ')))
print(train_df['text_len'].describe())

可以看到

2.新闻类别分布

train_df['label'].value_counts().plot(kind='bar')
plt.title('News class count')
plt.xlabel("category")