Python机器学习手册：从数据预处理到深度学习

问题描述

对一些非结构化的文本数据进行基本的清洗。

解决方案

大部分基本的文本清洗操作用Python的常用字符串操作即可完成，其中strip、replace和split这三个操作用得最多：

也可以创建并应用自定义的转换函数：

最后，还可以使用正则表达式来做一些复杂的字符串操作：

讨论

大多数文本数据在被用于生成特征之前都需要进行清洗。Python的标准字符串操作能完成大部分基本的文本清洗操作。在现实场景中，我们通常需要自定义清洗函数（比如， capitalizer）完成一些组合的清洗任务，再将该函数应用于文本数据。

延伸阅读

●《Python正则表达式的初学者教程》（http://bit.ly/2HTGZuu）