[Projeto] Desafio - faça você mesmo | Pandas: transformação e manipulação de dados

#checando uma amostra aleatória para ter uma noção do que apagar com regex dados['descricao_vizinhanca'][2000] #aplicando regex para tirar caracteres especiais dados['descricao_vizinhanca'] = dados['descricao_vizinhanca'].str.replace('[^a-zA-Z0-9\-\']', ' ', regex = True) dados['descricao_vizinhanca'] = dados['descricao_vizinhanca'].str.replace('(?<!\w)-(?!\w)', '', regex = True) #deixando as letras minúsculas dados['descricao_vizinhanca'] = dados['descricao_vizinhanca'].str.lower() #tokenizando dados['descricao_vizinhanca'] = dados['descricao_vizinhanca'].str.split()

Oi, Vinicius! Como vai?

Agradeço por compartilhar seu código com a comunidade Alura.

Sua sequência de códigos mostra um bom cuidado com as etapas de pré-processamento de dados textuais, algo muito comum em tarefas de análise de texto e ciência de dados.

Uma dica interessante para o futuro é usar o metodo str.strip(), que remove espacos extras no inicio e no final das strings após transformacoes de texto. Isso ajuda a deixar os dados ainda mais organizados antes de outras analises.


texto = "   exemplo de frase   "

texto_limpo = texto.strip()

print(texto_limpo)

Nesse exemplo, strip() remove os espacos no inicio e no final da frase, deixando o texto pronto para outras manipulações.

Qualquer dúvida que surgir, compartilhe no fórum. Abraços e bons estudos!

Para saber mais:

Sugestão de conteúdo:

DOCUMENTAÇÃO

strip

Conte com o apoio da comunidade Alura na sua jornada. Abraços e bons estudos!

[Projeto] Desafio - faça você mesmo

Trilhas por carreira

Carreiras de IA

Carreiras de Dados

Carreiras de Cyber

Carreiras de DevOps & Cloud

Carreiras de UX & UI

Carreiras de Mobile & Front-End

Carreiras de Back-End

Carreiras de Negócios

Cursos universitários FIAP

Tópicos relacionados

Conteúdos Alura com o tema