Анализ дополнительных данных

In [2]:

    

import numpy as np
import pandas as pd
import matplotlib
%matplotlib inline


    

In [10]:

    

reviews = pd.read_csv('data/internet_reviews (1).csv')


    

In [11]:

    

reviews.head()


    

    
Out[11]:







  

    

      

      
Unnamed: 0
      
comment
      
rating
    
  
  

    

      
0
      
0
      
Пользуюсь уже более 2лет все в...
      
1
    
    

      
1
      
1
      
Подключил только интернет за 5...
      
2
    
    

      
2
      
2
      
Подключил себе скорость 100 мб...
      
5
    
    

      
3
      
3
      
Подключились недавно, скорость...
      
3
    
    

      
4
      
4
      
Сегодня пришел домой и обнаруж...
      
1
    
  

In [12]:

    

reviews.shape


    

    
Out[12]:





(21713, 3)

In [13]:

    

reviews = reviews[~reviews.comment.duplicated()]
reviews.shape


    

    
Out[13]:





(21680, 3)

In [14]:

    

reviews.rating.value_counts()


    

    
Out[14]:





1    12876
5     6536
3     2200
2       46
0       14
4        8
Name: rating, dtype: int64

In [15]:

    

reviews[reviews.comment.apply(len) < 3000].comment.apply(len).hist(bins=50)


    

    
Out[15]:





<matplotlib.axes._subplots.AxesSubplot at 0x1d6010bf7f0>






    

In [8]:

    

# reviews = reviews[reviews.comment.apply(len) < 500]


    

In [23]:

    

reviews[reviews.comment.apply(lambda s: len(s.split()) < 200)].comment.apply(lambda s: len(s.split())).hist(bins=30)


    

    
Out[23]:





<matplotlib.axes._subplots.AxesSubplot at 0x1d600482d68>