本文经AI新媒体量子位（公众号ID：QbitAI）授权转载，转载请联系出处。如何快速优雅地处理你的NLP数据集？试试这个号称“从小白到大神”的Texthero工具包。不仅书写界面友好美观，而且功能全面。它精通预处理、表征和可视化。它在17小时内在Reddit上获得了近1.1k的人气。连刚刚下线的NLP程序员都想多和数据集拼上几下：下面是Texthero的用户界面。△优雅漂亮的NLP数据处理界面其实Texthero的优雅不仅仅在于界面的友好，最重要的是省去了很多重复的代码编写工作。只需几行代码，Texthero就可以帮助您完成所需的数据预处理、表示、可视化等操作，极大地解放了您的双手。下面来看看Texthero的数据预处理和各种算法的可视化效果。效果展示首先进行文本清洗，然后使用TF-IDF算法进行特征表示，可视化：PCA降维后的效果duangduang的：△文本清洗和TF-IDF表征后的可视化效果这不是你想要的吗？然后，除了预处理和表征之外，尝试加入K-means聚类算法并可视化：效果如下：算法结果一目了然。不仅设计友好，而且加载代码后，结果会在同一个界面上生成，整体逻辑流程非常清晰。△使用效果从展示界面来看，Texthero只需要编写少量的代码就可以得到你想要的结果，节省了大量的数据处理时间。其实只要掌握基本的使用逻辑，萌新就可以快速上手这款NLP数据处理神器。使用guidepiptexthero（或者直接从GitHub下载工具包，文末附上代码链接）后，使用import将其和pandas导入：之后，加载需要处理的文本信息数据集（这里以BBC体育数据库为例）：然后就可以开始使用：预处理如果需要进行快速的数据预处理操作，直接使用“文本清理”即可：当然，如果需要对文本进行更详细的处理操作信息，比如用空格替换所有标点符号，或者删除<>中的所有内容，Texthero也提供了非常完整的工具包供使用。△预处理栏目里有那么多工具，不用写一大堆代码来清理文中的冗余数据。Characterization同理，如果需要进行TF-IDF算法特征表示，只需要几行代码即可实现：一键结果：如果需要更多算法，还有meanshift和NMF等算法，每一个基本上就是全部集成在一行代码中，你想要的都在这里。可视化在可视化方向，Texthero也展示了强大的能力。这里展示PCA降维后的结果：可视化界面非常清晰：同样，可视化还可以自定义颜色、界面显示效果等，只需要一点Python知识就可以快速上手。这么方便的NLP数据处理工具包，赶紧用起来~传送门代码链接：https://github.com/jbesomi/texthero项目链接：https://texthero.org/
