代码之家 › 专栏 › 技术社区 › wailer

python中的开源数据挖掘/文本分析工具

analyzer data-mining database python

wailer · 技术社区 · 15 年前

我有一个数据库,里面有各种产品的评论。我的任务是执行各种计算,并使用聚合数据“创建”另一个“数据库/xml导出”。我正在考虑用python编写命令行程序来实现这一点。但我知道以前有人做过这件事,我知道有一些开源python解决方案或类似的解决方案,可能会提供更多有趣的“聚合数据”,然后我就可以考虑了。

问题是,除了从命令行进行基本数据操作之外,我对这一领域的了解并不多,我也不知道我应该使用什么术语来搜索这一领域。。我真的不是在寻找一些科学/可视化的东西(并不是说我不介意工具是否提供),一些简单的开始,并逐渐看到/开发我需要的东西。

我唯一的要求是要么将“最终聚合数据”保存在数据库中,要么将其导出为XML文件(无专有内容)。它比我的python脚本更健壮,因为我必须处理4台机器上的“大量”数据。

我应该从哪里开始我的研究?

2 回复 | 直到 15 年前

Steven Kryskalla 15 年前

你想做什么样的分析?

如果您正在分析文本,请查看 Natural Language Toolkit (NLTK)。

如果要索引和搜索数据,请查看 whoosh 搜索引擎。

请提供更多关于您希望进行何种分析的详细信息。

Amro 15 年前

数据集成 解决方案
一个建议是开源 Kettle project 部分 Pentaho 一套
对于python,快速搜索产生了 PyDI 和 SnapLogic

推荐文章

July · 如何定义数字间隔,然后四舍五入

1 年前

Community wiki · 对象名称前的单下划线和双下划线的含义是什么?

1 年前

Brian Johnson · 为什么在Python中列出字典列表会引发TypeError?[已关闭]

1 年前

user026 · 如何根据特定窗口的平均值(行数)创建新列?

1 年前

Ashok Shrestha · 需要追踪特定的颜色线并获取坐标

1 年前

Nicote Ool · 在FastApi和Vue3中获得422

1 年前

NeoExceptCodeBad · 如果我有很多垂直线,我如何找到它们的边缘?

1 年前

Abdulaziz · 如何对集合内的列表进行排序[重复]

1 年前

user2743931 · 带有src目录的Python setup.py

1 年前

asmgx · 为什么合并数据帧不能按照python中的预期方式工作

1 年前