清除 csv 文件中的数据

Question

我正在对 crpytocurrency 进行情绪分析。我的工作是清理 csv 文件中的数据。生成数据（来自 Twitter）并保存在 csv 文件中。在做情绪分析部分之前。我必须清理数据。例如，删除标点符号、URL，将测试放在小写中。这些是推文。

## 我已经导入了有用的库，例如 NLTK（自然语言处理）、pandas、numpy 等。

这是“推文”列的输出。

   ctweet['Tweets'][0:6]



 Out[5]:


    0    RT @TheLTCnews: The @LTCFoundation has publish...
    1    RT @WildchildSings: "https:/ " + /t.co/"FZrGw6xsZU ac..."
    2    RT @HODL_Whale: 5 days until #LitePay launches...
    3    LTC to USD price $211.92 "https:/" + /t.co/"CFjg1mIg..."
    4    LTC to BTC price B0.020218 "https:/" +/t.co/"XPL8NI..."
    5    LTC to GBP price £151.89 "https:/" +/t.co/"iOIbhgyd..."
    6    Litecoin dropped into the bear zone as sugges...
    Name: Tweets, dtype: object

# the output contains url. Because stackoverflow won't allow me to post the url. I have to change the method for url like adding "quotes" and "//".  

我的下一个任务是清理数据。这是预处理代码。

#Preprocessing del RT @blablabla:
ctweet['tweetos'] = '' 

#add tweetos first part
for i in range(len(ctweet['Tweets'])):
    try:
        ctweet['tweetos'][i] = ctweet['Tweets'].str.split(' ')[i][0]
    except AttributeError:    
        ctweet['tweetos'][i] = 'other'

        #Preprocessing tweetos. select tweetos contains 'RT @'
        for i in range(len(ctweet['Tweets'])):
            if ctweet['tweetos'].str.contains('@')[i]  == False:
                ctweet['tweetos'][i] = 'other'

        # remove URLs, RTs, and twitter handles
        for i in range(len(ctweet['Tweets'])):
            ctweet['Tweets'][i] = " ".join([word for word in ctweet['Tweets'][i].split()
                                        if 'http' not in word and '@' not in word and '<' not in word])

  ctweet['Tweets'][0]

上面的代码会删除标点符号，urls，把test放在小写，提取用户名作为例子。当我运行该代码时，它给出了一个错误。

TypeErrorTraceback (most recent call last)
<ipython-input-3-8254e078073a> in <module>()
      5 for i in range(len(ctweet['Tweets'])):
      6     try:
----> 7         ctweet['tweetos'][i] = ctweet['Tweets'].str.split(' ')[i][0]
      8     except AttributeError:
      9         ctweet['tweetos'][i] = 'other'

TypeError: 'float' object has no attribute '__getitem__'

这个错误是什么意思？我怎么解决这个问题。我正在使用 Jupyter Notebook 5.4.1

更新部分

AttributeErrorTraceback (most recent call last)
<ipython-input-7-bb6b24f62739> in <module>()
     16 # remove URLs, RTs, and twitter handles
     17 for i in range(len(ctweet['Tweets'])):
---> 18     ctweet['Tweets'][i] = " ".join([word for word in ctweet['Tweets'][i].split()
     19                                 if 'http' not in word and '@' not in word and '<' not in word])
     20 

AttributeError: 'float' object has no attribute 'split'

Answer 1

看起来 ctweet 是一个字典，所以你需要指向一个索引，如下所示：

ctweet['tweetos'][i] = ctweet['Tweets'][i].str.split(' ')[0]

而不是： ctweet['tweetos'][i] = ctweet['Tweets'].str.split(' ')[i][0]