Metadata-Version: 2.1
Name: cleancc
Version: 0.1.0
Summary: Data list cleaning
Home-page: https://github.com/Amiee-well/clean
Author: Lux
Author-email: 1223411083@qq.com
License: UNKNOWN
Platform: UNKNOWN
Classifier: Programming Language :: Python :: 3
Classifier: License :: OSI Approved :: MIT License
Classifier: Operating System :: OS Independent
Description-Content-Type: text/markdown

﻿## 数据清洗--cleancc

---

### cleancc
- 快速清洗数据内容可以
- 项目地址(欢迎star):[https://github.com/Amiee-well/clean](https://github.com/Amiee-well/clean)

### 使用方法
- pip install cleancc

- import cleancc

- 共有五个函数调用：

  1.第一个函数为punct：

  [

  ​	去除标点并让所有字母小写

  ​    :param pop_list:所要处理的的列表格式

  ​    :param lower:是否转小写，默认是

  ​    :return all_comment:处理后的结果-字符串格式

  ]

   2.第二个函数为statistics：

   [

  ​	词频统计

  ​    :param pop_list:所要处理的的列表格式

  ​    :param symbol:是否去除标点，默认是

  ​    :param lower:是否转小写，默认是

  ​    :return wordCount_dict:统计结果-字典格式

  ]

  3.第三个函数为stop_words：

  [

  ​	删除词频统计中的停顿词

  ​    :param statis:是否选择词频清理

  ​    :param pop_list:所要处理的的列表格式

  ​    :param symbol:是否去除标点，默认是

  ​    :param lower:是否转小写，默认是

  ​    :param wordCount_dict:词频统计结果-字典

  ​    :return wordCount_dict:清除后结果-字典格式

  ]

  4.第四个函数为Count_Sort：

  [

  ​	字典排名数目排序

  ​    :param wordCount_dict:词频统计结果-字典

  ​    :param choices_number:返回前choices_number个字典个数

  ​    :return keyword_list:出现的单词-列表格式

  ​    :return value_list:单词对应的词频-列表格式

  ]

  5.第五个函数为word_all：

  [

  ​	调用全部函数

  ​    :param pop_list:所要处理的的列表格式

  ​    :param choices_number:返回前choices_number个字典个数

  ​    :param symbol:是否去除标点，默认是

  ​    :param lower:是否转小写，默认是

  ​    :return keyword_list:出现的单词-列表格式

  ​    :return value_list:单词对应的词频-列表格式

  ]
### 注意事项
- 注意:处理数据参数类型为列表，需要pandas转换为列表后进行调用！

- 使用示例:
```python
import pandas as pd
from cleancc import clean 
from bs4 import BeautifulSoup

df = pd.read_csv("label.csv",sep='\t', escapechar='\\')
review_list = df['review'].tolist()
comment_list = [BeautifulSoup(k,'lxml').text for k in review_list]
print(comment_list)

keyword_list, value_list = clean.word_all(comment_list,150)
print(keyword_list, value_list)
```



