| 共 747 篇文章 |
|
#构造数据date_series = []volume_series = []for date, year_df in df.groupby(pd.Grouper(key=''date'', freq=''M'')): #这里的date， month_df都是特殊数据类型 date_series.append(date.date()) volume_series.append(len(year_df))volume_by_time_df = pd.DataFrame({''date'':... 阅4 转0 评0 公众公开 24-04-18 08:09 |
文献&代码 | 使用Python计算语义品牌评分(Semantic Brand Score)一、语义品牌评分。for idx, text in enumerate(df[''''''''docs''''''''].values): print(idx) sbs_df = semantic_brand_score(text=text, brands=brands, ... 阅4 转0 评0 公众公开 24-04-17 08:09 |
数据集 | 豆瓣电影影评数据集。person.csv 文件只包括演员和导演，不包含豆瓣用户数据，共72959个名人数据，包含10个字段，每个PERSON_ID都会对应一个name，不存在PERSON_ID的数据已过滤，各个字段说明如下:users.csv 数据为豆瓣用户的脱敏信息，主要是与评论和评分绑定在一起，共获取了639125用户数据，包含2个字段（已删除两个），具体的字段... 阅7 转0 评0 公众公开 24-04-16 13:39 |
LIST | 社科(经管)文本挖掘文献汇总。个人感觉 textdata.cn 高质量内容都在这了。不定期更新， 内容聚焦于Python文本分析在经管、社科等领域的应用。营销会计学经济学心理学社会学...读几篇文章能加深对各领域文本分析方法应用的理解。——国内外前沿综述和未来展望。聊天记录还能反映分手后遗症。 阅1 转0 评0 公众公开 24-04-14 15:33 |
LIST | 社科(经管)可用数据集列表。个人感觉博客 textdata.cn 优质数据集都集中在这里了，我将内容按大类分成。- 用户层面- 企业层面- 政府社会层面- 词向量资源- 词典资源用户层面。 阅1 转0 评0 公众公开 24-04-14 15:33 |
数据集 | 众筹金融投资平台kiva借贷数据。介绍: Kiva Tools 是一个帮助Kiva贷方更好地了解小额信贷和 Kiva 运营的网站。注意：Kiva Tools不隶属于 Kiva，也不受 Kiva 认可。- RAISED_TIME: - LENDER_TERM: 借款人条款 - NUM_LENDERS_TOTAL: 借款人数量 - NUM_JOURNAL_ENTRIES: 借款人的日记账分录数量（Kiva 网站上的更新）。props_.plot(... 阅4 转0 评0 公众公开 24-04-10 21:24 |
pandas技巧 | DataFrame的四则运算。DataFrame的四则运算， 涉及到标量数字与数组(列表、series、字典、dataframe)。DataFrame({''angles'': [0, 3, 4], ''degrees'': [360, 180, 360]}, index=[''circle'', ''triangle'', ''rectangle''])df.df + 10#df.a... 阅3 转0 评0 公众公开 24-03-29 12:42 |
Python实证指标构建与文本分析。在前大数据时代，一般使用实验法、调查问卷、访谈或者二手数据等方式，将数据整理为结构化的表格数据，之后再使用各种计量分析方法，对这些表格数据进行分析。文本分析技术 解决 如何从杂乱的文本数据中 抽取文本指标(变量)？案例 对excel中的文本进行情感分析。案例 使用MD&A文本计算标准信息、信息含量 |... 阅1 转0 评0 公众公开 24-03-20 19:48 |
Python实证指标构建与文本分析。在前大数据时代，一般使用实验法、调查问卷、访谈或者二手数据等方式，将数据整理为结构化的表格数据，之后再使用各种计量分析方法，对这些表格数据进行分析。文本分析技术 解决 如何从杂乱的文本数据中 抽取文本指标(变量)？案例 对excel中的文本进行情感分析。案例 使用MD&A文本计算标准信息、信息含量 |... 阅7 转0 评0 公众公开 24-03-03 10:51 |
ANCW | 4030词的中文情感词典(效价、唤醒度、主导度、具体性)构建具有单词情感评级的数据库的需求很大，因为它们至少有助于四个方面的研究，包括针对情绪本身的研究、情绪特征对单词处理和记忆的影响、整个消息表达的情绪或文本，以及通过将新词与已验证词进行比较来了解新词的情感价值（有关评论，请参阅 Warriner 等人，2013 年）。由于所有... 阅14 转0 评0 公众公开 24-02-27 23:00 |
