数据读取
赛题数据虽然是文本数据,每个新闻是不定长的,但任然使用csv格式进行存储。因此可以直接用Pandas
完成数据读取的操作。
import pandas as pdtrain_df = pd.read_csv(../input/train_set.csv, sep= , nrows=100)
这里的read_csv
由三部分构成:
读取的文件路径,这里需要根据改成你本地的路径,可以使用相对路径或绝对路径;分隔符sep
,为每列分割的字符,设置为t
即可;读取行数nrows
,为此次读取文件的函数,是数值类型(由于数据集比较大,建议先设置为100);
上图是读取好的数据,是表格的形式。第一列为新闻的类别,第二列为新闻的字符。
数据分析
在读取完成数据集后,我们还可以对数据集进行数据分析的操作。虽然对于非结构数据并不需要做很多的数据分析,但通过数据分析还是可以找出一些规律的。
此步骤我们读取了所有的训