Π Π΅Π·ΡΠΌΠ΅ ΡΠ°ΡΡΠΈ 1
Π Π§Π°ΡΡΡ 1 ΠΌΡ:
- ΠΠΎΡΠΌΠΎΡΡΠ΅Π» ΠΏΡΠΎΠ±Π»Π΅ΠΌΡ Kaggle
- ΠΠΌΠΏΠΎΡΡΠΈΡΠΎΠ²Π°Π» Π΄Π°Π½Π½ΡΠ΅ Ρ ΠΏΠΎΠΌΠΎΡΡΡ Pandas
- ΠΠΎΡΠΌΠΎΡΡΠ΅Π» Π²ΡΡΠΎΠΊΠΎΡΡΠΎΠ²Π½Π΅Π²ΡΡ ΡΡΠ°ΡΠΈΡΡΠΈΠΊΡ Π½Π°ΡΠ΅Π³ΠΎ Π½Π°Π±ΠΎΡΠ° Π΄Π°Π½Π½ΡΡ
- ΠΡΠΎΠ²Π΅ΡΠ΅Π½ΠΎ Π½Π° Π΄ΠΈΡΠ±Π°Π»Π°Π½Ρ ΠΊΠ»Π°ΡΡΠΎΠ²
- ΠΠ½ΠΈΠΌΠ°ΡΠ΅Π»ΡΠ½ΠΎ ΠΈΠ·ΡΡΠΈΠ» ΡΡΠ½ΠΊΡΠΈΡ
Keyword
ΠΠ»Π°Π½ Π΄Π»Ρ ΡΠ°ΡΡΠΈ 2
Π’Π΅ΠΏΠ΅ΡΡ Ρ ΠΎΡΠΎΡΠΎ:
- ΠΠΎΡΠΌΠΎΡΡΠΈΡΠ΅ Π½Π° ΡΡΠ½ΠΊΡΠΈΡ
Location
- Π‘ΠΈΠΌΠ²ΠΎΠ» ΡΠ²ΠΈΡΠ° ΠΈ Π΄Π»ΠΈΠ½Π° ΡΠΎΠΊΠ΅Π½Π°
- ΠΡΠΏΠΎΠ»ΡΠ·ΡΠΉΡΠ΅ U-ΠΊΡΠΈΡΠ΅ΡΠΈΠΉ ΠΠ°Π½Π½Π°-Π£ΠΈΡΠ½ΠΈ Π΄Π»Ρ Π²ΡΠ±ΠΎΡΠ° ΠΏΡΠΈΠ·Π½Π°ΠΊΠΎΠ²
Π§Π°ΡΡΡ 1: ΠΡΡΠ»Π΅Π΄ΠΎΠ²Π°Π½ΠΈΠ΅ Π΄Π°Π½Π½ΡΡ
Π§Π°ΡΡΡ 2: ΠΠ°ΡΠ°Π»ΠΎ ΡΠ°Π·ΡΠ°Π±ΠΎΡΠΊΠΈ ΠΈ Π²ΡΠ±ΠΎΡΠ° ΡΡΠ½ΠΊΡΠΈΠΉ β Π²Ρ Π·Π΄Π΅ΡΡ!
ΠΡΡΠ»Π΅Π΄ΠΎΠ²Π°Π½ΠΈΠ΅ Π»ΠΎΠΊΠ°ΡΠΈΠΈ
ΠΠ°Π»Π΅Π΅ ΠΌΡ ΡΠ°ΡΡΠΌΠΎΡΡΠΈΠΌ ΡΡΠ½ΠΊΡΠΈΡ Location
ΠΎΡΠ΅Π½Ρ ΠΏΠΎΡ
ΠΎΠΆΠ΅ Π½Π° ΡΠΎ, ΡΡΠΎ ΠΌΡ ΡΠ΄Π΅Π»Π°Π»ΠΈ ΡΠ°Π½Π΅Π΅ Π΄Π»Ρ Keyword
.
# Value counts train_df['location'].value_counts(dropna=False)
ΠΠ°, Ρ Π½Π°Ρ ΠΌΠ½ΠΎΠ³ΠΎ Π½Π΅Π΄ΠΎΡΡΠ°ΡΡΠΈΡ Π΄Π°Π½Π½ΡΡ . ΠΠ° ΡΠ°ΠΌΠΎΠΌ Π΄Π΅Π»Π΅ ΠΏΠΎΡΡΠΈ ΡΠΎΠ²Π½ΠΎ ΠΎΠ΄Π½Π° ΡΡΠ΅ΡΡ Π΄Π°Π½Π½ΡΡ ΠΎ ΠΌΠ΅ΡΡΠΎΠΏΠΎΠ»ΠΎΠΆΠ΅Π½ΠΈΠΈ ΠΎΡΡΡΡΡΡΠ²ΡΠ΅Ρ. ΠΡΡΠ³Π°Ρ ΠΎΡΠ΅Π²ΠΈΠ΄Π½Π°Ρ ΠΏΡΠΎΠ±Π»Π΅ΠΌΠ° Π΄Π°ΠΆΠ΅ Π΄Π»Ρ ΡΡΠΎΠΉ Π½Π΅Π±ΠΎΠ»ΡΡΠΎΠΉ Π²ΡΠ±ΠΎΡΠΊΠΈ Π·Π°ΠΊΠ»ΡΡΠ°Π΅ΡΡΡ Π² ΡΠΎΠΌ, ΡΡΠΎ ΠΈΠΌΠ΅Π½Π° ΠΌΠ΅ΡΡΠΎΠΏΠΎΠ»ΠΎΠΆΠ΅Π½ΠΈΠΉ Π½Π΅ Π½ΠΎΡΠΌΠ°Π»ΠΈΠ·ΠΎΠ²Π°Π½Ρ.
- Π‘ΠΈΠ΄Π½Π΅ΠΉ, ΠΠ²ΡΡΡΠ°Π»ΠΈΡ
- ΠΠ²ΡΡΡΠ°Π»ΠΈΡ
- Π‘Π¨Π
- Π‘ΠΎΠ΅Π΄ΠΈΠ½Π΅Π½Π½ΡΠ΅ Π¨ΡΠ°ΡΡ
- ΠΠ½Π΄ΠΈΠ°Π½Π°
- Π€ΡΠ΅Π΄Π΅ΡΠΈΠΊΡΠ±ΡΡΠ³, ΠΠΈΡΠ΄ΠΆΠΈΠ½ΠΈΡ
ΠΡ ΡΠ°ΠΊΠΆΠ΅ ΡΠΎΠ·Π΄Π°Π΄ΠΈΠΌ ΠΈΠ½ΡΠ΅ΡΠ°ΠΊΡΠΈΠ²Π½ΡΡ Π³ΠΈΡΡΠΎΠ³ΡΠ°ΠΌΠΌΡ Π½Π°Π·Π²Π°Π½ΠΈΠΉ ΠΌΠ΅ΡΡΠΎΠΏΠΎΠ»ΠΎΠΆΠ΅Π½ΠΈΠΉ ΠΈ ΠΏΠΎΠ΄ΡΡΠ΅ΡΠΎΠ², ΠΊΠ°ΠΊ ΠΌΡ Π΄Π΅Π»Π°Π»ΠΈ ΡΠ°Π½Π΅Π΅ Π΄Π»Ρ Keyword
.
# Create new dataframe with our count data train_location_bar_df = train_df['location'].value_counts().reset_index() train_location_bar_df.columns = ['location', 'count'] # Bar chart fig = px.bar(train_location_bar_df, x = "location", y = "count", height = 1000 ) fig.update_layout(xaxis_type='category', title_text='Location') fig.show()
ΠΡΠ΅ Π½Π΅ΡΠΊΠΎΠ»ΡΠΊΠΎ ΠΈΠ½ΡΠ΅ΡΠ΅ΡΠ½ΡΡ ΠΌΠ΅ΡΡ, Ρ ΠΊΠΎΡΠΎΡΡΠΌΠΈ Ρ ΡΡΠΎΠ»ΠΊΠ½ΡΠ»ΡΡ:
- ?????
- ΠΠ΅ΡΠ²ΠΈΠ»Π», Π‘Π¨Π
- ΠΈΠ³ΡΠ°ΡΡ Π² ΡΡΡΠ±ΠΎΠ» ΠΈ Π΅ΡΡΡ ΠΏΠΈΡΡΡ
- Π― Π³ΡΠ°ΠΆΠ΄Π°Π½ΠΈΠ½ ΠΌΠΈΡΠ°
- Ρ Π»ΡΠ±Π»Ρ ΡΠΌΡΡΡΠΈΠΊΠΎΠ² 2
ΠΠ°Π½Π½ΡΠ΅ ΠΎ ΠΌΠ΅ΡΡΠΎΠΏΠΎΠ»ΠΎΠΆΠ΅Π½ΠΈΠΈ, ΠΏΠΎ-Π²ΠΈΠ΄ΠΈΠΌΠΎΠΌΡ, Π²Π²ΠΎΠ΄ΡΡΡΡ ΠΏΠΎΠ»ΡΠ·ΠΎΠ²Π°ΡΠ΅Π»Π΅ΠΌ ΡΠ²ΠΈΡΡΠ΅ΡΠ°, Π²Π΅ΡΠΎΡΡΠ½ΠΎ, ΠΏΡΠΈ ΡΠΎΠ·Π΄Π°Π½ΠΈΠΈ ΡΠ²ΠΎΠ΅Π³ΠΎ ΠΏΡΠΎΡΠΈΠ»Ρ, Π° Π½Π΅ Π½Π° ΠΎΡΠ½ΠΎΠ²Π΅ ΡΠΎΠ³ΠΎ, Π³Π΄Π΅ Π±ΡΠ» ΠΏΠΎΠ»ΡΠ·ΠΎΠ²Π°ΡΠ΅Π»Ρ, ΠΊΠΎΠ³Π΄Π° ΡΠ²ΠΈΡ Π±ΡΠ» ΠΎΡΠΏΡΠ°Π²Π»Π΅Π½.
ΠΠ°Π²Π°ΠΉΡΠ΅ Π±ΡΡΡΡΠΎ ΡΡΠΌΠΌΠΈΡΡΠ΅ΠΌ ΠΏΡΠΎΠ±Π»Π΅ΠΌΡ
- ΠΠ°Π·Π²Π°Π½ΠΈΡ ΠΌΠ΅ΡΡΠΎΠΏΠΎΠ»ΠΎΠΆΠ΅Π½ΠΈΠΉ ΠΎΡΠ΅Π½Ρ ΠΈΠ·ΠΌΠ΅Π½ΡΠΈΠ²Ρ ΠΈ Π½Π΅ΡΡΠ°Π½Π΄Π°ΡΡΠ½Ρ.
- ΠΠ΅ΡΡΠΎΠΏΠΎΠ»ΠΎΠΆΠ΅Π½ΠΈΠ΅ Π²Π²ΠΎΠ΄ΠΈΡΡΡ ΠΏΠΎΠ»ΡΠ·ΠΎΠ²Π°ΡΠ΅Π»Π΅ΠΌ ΠΈ, Π²Π΅ΡΠΎΡΡΠ½ΠΎ, Π½Π΅ ΠΎΡΡΠ°ΠΆΠ°Π΅Ρ ΡΠ°ΠΊΡΠΈΡΠ΅ΡΠΊΠΎΠ΅ ΠΌΠ΅ΡΡΠΎΠΏΠΎΠ»ΠΎΠΆΠ΅Π½ΠΈΠ΅, Π² ΠΊΠΎΡΠΎΡΠΎΠΌ Π½Π°Ρ ΠΎΠ΄ΠΈΠ»ΡΡ ΠΏΠΎΠ»ΡΠ·ΠΎΠ²Π°ΡΠ΅Π»Ρ ΠΏΡΠΈ ΠΎΡΠΏΡΠ°Π²ΠΊΠ΅ ΡΠ²ΠΈΡΠ°.
- ΠΡΡΡΡΡΡΠ²ΡΠ΅Ρ ΡΡΠ΅ΡΡ Π΄Π°Π½Π½ΡΡ ΠΎ ΠΌΠ΅ΡΡΠΎΠΏΠΎΠ»ΠΎΠΆΠ΅Π½ΠΈΠΈ
Π£Π΄Π°Π»ΠΈΡΡ ΡΡΠ½ΠΊΡΠΈΡ
ΠΠ°ΠΊ ΠΈ Π² ΡΠ»ΡΡΠ°Π΅ Ρ ΠΎΡΡΡΡΡΡΠ²ΡΡΡΠΈΠΌΠΈ Π΄Π°Π½Π½ΡΠΌΠΈ, Π΄Π»Ρ Π΄Π°Π½Π½ΡΡ , ΡΡΠ΅Π±ΡΡΡΠΈΡ ΠΎΡΠΈΡΡΠΊΠΈ, ΡΡΡΠ΅ΡΡΠ²ΡΠ΅Ρ Π½Π΅ΡΠΊΠΎΠ»ΡΠΊΠΎ Π²Π°ΡΠΈΠ°Π½ΡΠΎΠ²:
- Π‘ΠΎΠ·Π΄Π°ΠΉΡΠ΅ ΡΡΠΎΠ»Π±Π΅Ρ ΠΈΠ½Π΄ΠΈΠΊΠ°ΡΠΎΡΠ°, ΠΎΡΠΌΠ΅ΡΠ°Ρ, ΡΡΡΠ΅ΡΡΠ²ΡΠ΅Ρ Π»ΠΈ ΠΌΠ΅ΡΡΠΎΠΏΠΎΠ»ΠΎΠΆΠ΅Π½ΠΈΠ΅ ΠΈΠ»ΠΈ Π½Π΅Ρ
- ΠΠ±ΡΠ΅Π΄ΠΈΠ½ΠΈΡΠ΅ Π»ΠΎΠΊΠ°ΡΠΈΠΈ Π² ΠΊΠ°ΠΊΡΡ-Π½ΠΈΠ±ΡΠ΄Ρ ΠΏΠΎΠ»Π΅Π·Π½ΡΡ ΠΈ Π»ΠΎΠ³ΠΈΡΠ½ΡΡ Π³ΡΡΠΏΠΏΡ, ΠΊΠΎΡΠΎΡΠ°Ρ Π·Π°ΠΌΠ΅Π½ΠΈΡ ΠΈΡΡ ΠΎΠ΄Π½ΡΠ΅ Π»ΠΎΠΊΠ°ΡΠΈΠΈ.
- Π‘ΠΎΠ·Π΄Π°ΠΉΡΠ΅ ΠΊΠ°ΠΊΡΡ-Π½ΠΈΠ±ΡΠ΄Ρ ΠΎΡΠ΄Π΅Π»ΡΠ½ΡΡ ΠΌΠΎΠ΄Π΅Π»Ρ ΠΈΠ΄Π΅Π½ΡΠΈΡΠΈΠΊΠ°ΡΠΈΠΈ ΠΈ/ΠΈΠ»ΠΈ ΠΎΡΠΈΡΡΠΊΠΈ ΠΌΠ΅ΡΡΠΎΠΏΠΎΠ»ΠΎΠΆΠ΅Π½ΠΈΡ, ΠΊΠΎΡΠΎΡΠ°Ρ ΠΏΠΎΠΏΡΡΠ°Π΅ΡΡΡ ΠΎΡΠ΄Π΅Π»ΠΈΡΡ ΡΠ΅Π°Π»ΡΠ½ΡΠ΅ ΠΌΠ΅ΡΡΠΎΠΏΠΎΠ»ΠΎΠΆΠ΅Π½ΠΈΡ ΠΎΡ ΠΏΠΎΠ΄Π΄Π΅Π»ΡΠ½ΡΡ .
- ΠΡΠΊΠ»ΡΡΠΈΡΡ ΡΡΠ½ΠΊΡΠΈΡ ΠΎΠΏΡΠ΅Π΄Π΅Π»Π΅Π½ΠΈΡ ΠΌΠ΅ΡΡΠΎΠΏΠΎΠ»ΠΎΠΆΠ΅Π½ΠΈΡ
ΠΠ·-Π·Π° ΠΎΡΡΡΡΡΡΠ²ΠΈΡ Π±ΠΎΠ»ΡΡΠΎΠ³ΠΎ ΠΊΠΎΠ»ΠΈΡΠ΅ΡΡΠ²Π° ΡΡΠ½ΠΊΡΠΈΠΉ ΠΌΡ ΠΏΠΎΠΊΠ° ΠΎΡΠΊΠ°ΠΆΠ΅ΠΌΡΡ ΠΎΡ ΡΡΠΎΠΉ ΡΡΠ½ΠΊΡΠΈΠΈ. Π’Π΅ΠΌ Π½Π΅ ΠΌΠ΅Π½Π΅Π΅, Π²Ρ ΠΌΠΎΠΆΠ΅ΡΠ΅ Π·Π°Ρ ΠΎΡΠ΅ΡΡ ΠΏΠΎΡΠΊΡΠΏΠ΅ΡΠΈΠΌΠ΅Π½ΡΠΈΡΠΎΠ²Π°ΡΡ ΠΈ ΠΏΠΎΠΏΡΠΎΠ±ΠΎΠ²Π°ΡΡ Π±ΠΈΠ½Π½ΠΈΠ½Π³. ΠΠ΅ΠΊΠΎΡΠΎΡΡΠ΅ ΠΈΠ΄Π΅ΠΈ Π²ΠΊΠ»ΡΡΠ°ΡΡ Π² ΡΠ΅Π±Ρ:
- Π Π°Π·Π΄Π΅Π»ΡΠΉΡΠ΅ ΡΠ΅Π°Π»ΡΠ½ΡΠ΅ ΠΌΠ΅ΡΡΠΎΠΏΠΎΠ»ΠΎΠΆΠ΅Π½ΠΈΡ (Π½Π΅Π·Π°Π²ΠΈΡΠΈΠΌΠΎ ΠΎΡ ΡΠ°ΠΊΡΠΈΡΠ΅ΡΠΊΠΎΠ³ΠΎ ΠΌΠ΅ΡΡΠΎΠΏΠΎΠ»ΠΎΠΆΠ΅Π½ΠΈΡ), ΠΏΠΎΠ΄Π΄Π΅Π»ΡΠ½ΡΠ΅ ΠΌΠ΅ΡΡΠΎΠΏΠΎΠ»ΠΎΠΆΠ΅Π½ΠΈΡ ΠΈ Π΅ΡΡΠ½Π΄Ρ, Π° ΡΠ°ΠΊΠΆΠ΅ ΠΏΡΠΎΠΏΡΡΠ΅Π½Π½ΡΠ΅ Π·Π½Π°ΡΠ΅Π½ΠΈΡ.
- Π Π°Π·Π΄Π΅Π»ΡΠΉΡΠ΅ ΠΏΡΠ°Π²ΠΈΠ»ΡΠ½ΠΎ Π½Π°ΠΏΠΈΡΠ°Π½Π½ΡΠ΅ Π½Π°Π·Π²Π°Π½ΠΈΡ ΠΌΠ΅ΡΡΠΎΠΏΠΎΠ»ΠΎΠΆΠ΅Π½ΠΈΠΉ Π² ΡΠ΅Π³ΠΈΡΡΡΠ΅.
ΠΠ»ΠΈΠ½Ρ ΡΠΈΠΌΠ²ΠΎΠ»ΠΎΠ² ΠΈ ΡΠΎΠΊΠ΅Π½ΠΎΠ² ΡΠ²ΠΈΡΠΎΠ²
ΠΡ ΠΌΠΎΠΆΠ΅ΠΌ ΡΠΎΠ·Π΄Π°Π²Π°ΡΡ Π½ΠΎΠ²ΡΠ΅ ΡΡΠ½ΠΊΡΠΈΠΈ ΠΈΠ· Π½Π°ΡΠ΅Π³ΠΎ ΡΠ΅ΠΊΡΡΠ°, ΡΡΠΈΡΠ°Ρ Π΄Π»ΠΈΠ½Ρ ΠΊΠ°ΠΆΠ΄ΠΎΠ³ΠΎ ΡΠ²ΠΈΡΠ° Ρ ΡΠΎΡΠΊΠΈ Π·ΡΠ΅Π½ΠΈΡ ΠΎΡΠ΄Π΅Π»ΡΠ½ΡΡ ΡΠΈΠΌΠ²ΠΎΠ»ΠΎΠ² ΠΈ ΠΊΠΎΠ»ΠΈΡΠ΅ΡΡΠ²Π° ΡΠΎΠΊΠ΅Π½ΠΎΠ².
ΠΠ»ΠΈΠ½Π° ΡΠΈΠΌΠ²ΠΎΠ»Π°
ΠΡΠΎ ΠΏΡΠΎΡΡΠΎΠΉ ΠΏΠΎΠ΄ΡΡΠ΅Ρ ΠΊΠΎΠ»ΠΈΡΠ΅ΡΡΠ²Π° ΡΠΈΠΌΠ²ΠΎΠ»ΠΎΠ² Π² Π½Π΅ΠΎΠ±ΡΠ°Π±ΠΎΡΠ°Π½Π½ΠΎΠΌ ΡΠ΅ΠΊΡΡΠ΅. ΠΡΠ΅Π΄Π»ΠΎΠΆΠ΅Π½ΠΈΠ΅ Β«ΠΡΠ°ΡΠ½Π°Ρ ΡΠΎΠ±Π°ΠΊΠ° ΠΈ ΡΠΈΠ½ΡΡ ΡΠΎΠ±Π°ΠΊΠ° Π²ΠΎ Π΄Π²ΠΎΡΠ΅Β». Π±ΡΠ΄Π΅Ρ ΠΈΠΌΠ΅ΡΡ ΠΊΠΎΠ»ΠΈΡΠ΅ΡΡΠ²ΠΎ ΡΠΈΠΌΠ²ΠΎΠ»ΠΎΠ² 41. ΠΠ±ΡΠ°ΡΠΈΡΠ΅ Π²Π½ΠΈΠΌΠ°Π½ΠΈΠ΅, ΡΡΠΎ ΠΏΡΠΎΠ±Π΅Π»Ρ ΠΈ Π·Π½Π°ΠΊΠΈ ΠΏΡΠ΅ΠΏΠΈΠ½Π°Π½ΠΈΡ ΡΡΠΈΡΠ°ΡΡΡΡ ΠΊΠ°ΠΊ ΠΎΡΠ΄Π΅Π»ΡΠ½ΡΠ΅ ΡΠΈΠΌΠ²ΠΎΠ»Ρ.
ΠΠ»ΠΈΠ½Π° ΡΠΎΠΊΠ΅Π½Π°
Π’ΠΎΠΊΠ΅Π½Ρ Π² ΡΠ΅Π»ΠΎΠΌ ΠΌΠΎΠΆΠ½ΠΎ ΡΠ°ΡΡΠΌΠ°ΡΡΠΈΠ²Π°ΡΡ ΠΊΠ°ΠΊ ΡΠ»ΠΎΠ²Π°. Π’ΠΎΡΠ½Π΅Π΅, Π½Π΅ΠΎΠ±ΡΠ°Π±ΠΎΡΠ°Π½Π½ΡΠ΅ ΡΠΎΠΊΠ΅Π½Ρ β ΡΡΠΎ Π³ΡΡΠΏΠΏΡ ΡΠΈΠΌΠ²ΠΎΠ»ΠΎΠ², ΡΠ°Π·Π΄Π΅Π»Π΅Π½Π½ΡΠ΅ ΠΏΡΠΎΠ±Π΅Π»ΠΎΠΌ. ΠΡΠΎ ΠΏΡΠΈΠ²ΠΎΠ΄ΠΈΡ ΠΊ Π²ΠΊΠ»ΡΡΠ΅Π½ΠΈΡ Π·Π½Π°ΠΊΠΎΠ² ΠΏΡΠ΅ΠΏΠΈΠ½Π°Π½ΠΈΡ Ρ Π»ΡΠ±ΡΠΌΠΈ ΡΠΈΠΌΠ²ΠΎΠ»Π°ΠΌΠΈ ΡΡΠ΄ΠΎΠΌ Ρ Π½ΠΈΠΌΠΈ. (Π ΠΏΡΠ½ΠΊΡΡΠ°ΡΠΈΠΈ ΠΌΡ ΠΏΠΎΠ³ΠΎΠ²ΠΎΡΠΈΠΌ ΠΏΠΎΠ·ΠΆΠ΅.)
ΠΡ Π΄ΠΎΠ±Π°Π²ΠΈΠΌ ΡΡΠΈ ΡΡΠ΅ΡΡΠΈΠΊΠΈ Π² ΠΊΠ°ΡΠ΅ΡΡΠ²Π΅ ΡΡΠΎΠ»Π±ΡΠΎΠ² ΡΡΠ½ΠΊΡΠΈΠΉ Π² Π½Π°Ρ ΡΡΠ΅ΠΉΠΌΠ²ΠΎΡΠΊ Π΄Π°Π½Π½ΡΡ :
train_df['char_len'] = train_df['text'].apply(lambda x: len(x)) train_df['token_len'] = train_df['text'].apply(lambda x: len([token for token in x.split()]))
ΠΡΠΎΠ±ΡΠ°ΠΆΠ΅Π½ΠΈΠ΅ Π΄Π»ΠΈΠ½Ρ ΡΠ²ΠΈΡΠΎΠ²
ΠΡ ΠΌΠΎΠΆΠ΅ΠΌ ΠΏΠΎΡΡΡΠΎΠΈΡΡ Π³ΠΈΡΡΠΎΠ³ΡΠ°ΠΌΠΌΡ Π²ΡΠ΅Ρ ΡΠ²ΠΈΡΠΎΠ² ΠΏΠΎ Π΄Π»ΠΈΠ½Π΅ ΡΠΈΠΌΠ²ΠΎΠ»ΠΎΠ². ΠΡ Π²ΠΈΠ΄ΠΈΠΌ Π²ΡΠΏΠ»Π΅ΡΠΊ Π΄Π»ΠΈΠ½Ρ ΡΡΡΡ Π½ΠΈΠΆΠ΅ ΠΏΡΠ΅Π΄Π΅Π»Π° Π² 140 ΡΠΈΠΌΠ²ΠΎΠ»ΠΎΠ².
# Hist chart fig = px.histogram(train_df, x='char_len' ) fig.update_layout( title_text='Tweet Character Lengths' ) fig.show()
ΠΠ°Π²Π°ΠΉΡΠ΅ ΡΠ°ΠΊΠΆΠ΅ ΠΏΠΎΡΠΌΠΎΡΡΠΈΠΌ Π½Π° ΡΠ°ΡΠΏΡΠ΅Π΄Π΅Π»Π΅Π½ΠΈΠ΅ Π΄Π»ΠΈΠ½Ρ ΡΠΎΠΊΠ΅Π½Π° Π΄Π»Ρ Π²ΡΠ΅Ρ Π½Π°ΡΠΈΡ ΡΠ²ΠΈΡΠΎΠ².
# Hist chart fig = px.histogram(train_df, x='token_len' ) fig.update_layout( title_text='Tweet Token Lengths' ) fig.show()
Π Π°ΡΠΏΡΠ΅Π΄Π΅Π»Π΅Π½ΠΈΠ΅ ΠΏΠΎ ΡΠΎΠΊΠ΅Π½Π°ΠΌ Π³ΠΎΡΠ°Π·Π΄ΠΎ ΠΌΠ΅Π½Π΅Π΅ ΠΈΡΠΊΠ°ΠΆΠ΅Π½ΠΎ, ΡΠ΅ΠΌ Π½Π°Ρ ΠΏΡΠ΅Π΄ΡΠ΄ΡΡΠΈΠΉ Π²Π·Π³Π»ΡΠ΄ Π½Π° Π΄Π»ΠΈΠ½Ρ ΡΠΈΠΌΠ²ΠΎΠ»ΠΎΠ².
Π‘ΡΠ°Π²Π½Π΅Π½ΠΈΠ΅ Π΄Π»ΠΈΠ½ ΠΏΠΎ ΠΊΠ»Π°ΡΡΠ°ΠΌ
Π§ΡΠΎ Π±ΡΠ»ΠΎ Π±Ρ Π΄Π΅ΠΉΡΡΠ²ΠΈΡΠ΅Π»ΡΠ½ΠΎ ΠΈΠ½ΡΠ΅ΡΠ΅ΡΠ½ΠΎ, ΡΠ°ΠΊ ΡΡΠΎ ΡΠΎ, Π΄Π΅ΠΌΠΎΠ½ΡΡΡΠΈΡΡΡΡ Π»ΠΈ Π½Π°ΡΠΈ Π΄Π²Π° ΡΠ΅Π»Π΅Π²ΡΡ ΠΊΠ»Π°ΡΡΠ° ΡΠ°Π·Π»ΠΈΡΠΈΡ Π² Π΄Π»ΠΈΠ½Π΅ ΡΠ²ΠΈΡΠ°. ΠΡΠ»ΠΈ Π΄Π°, ΡΠΎ ΡΡΠΈ ΡΡΠ½ΠΊΡΠΈΠΈ ΠΌΠΎΠ³ΡΡ ΠΎΠΊΠ°Π·Π°ΡΡΡΡ ΠΏΠΎΠ»Π΅Π·Π½ΡΠΌΠΈ, ΠΊΠΎΠ³Π΄Π° ΠΌΡ ΠΏΡΠΈΡΡΡΠΏΠΈΠΌ ΠΊ ΠΌΠΎΠ΄Π΅Π»ΠΈΡΠΎΠ²Π°Π½ΠΈΡ.
ΠΡ ΠΌΠΎΠΆΠ΅ΠΌ ΠΈΡΠΏΠΎΠ»ΡΠ·ΠΎΠ²Π°ΡΡ ΠΏΠ°ΡΠ°ΠΌΠ΅ΡΡ facet_row
, ΡΡΠΎΠ±Ρ ΡΠ°ΡΠΏΠΎΠ»ΠΎΠΆΠΈΡΡ Π΄Π²Π° Π³ΡΠ°ΡΠΈΠΊΠ° ΡΡΠ΄ΠΎΠΌ Π½Π° ΠΎΠ΄Π½ΠΈΡ
ΠΈ ΡΠ΅Ρ
ΠΆΠ΅ ΠΎΡΡΡ
Π΄Π»Ρ ΠΎΠ±Π»Π΅Π³ΡΠ΅Π½ΠΈΡ ΡΡΠ°Π²Π½Π΅Π½ΠΈΡ:
fig = px.histogram(train_df, x="token_len", color="target", facet_row="target") fig.show()
ΠΡ Π²ΠΈΠ΄ΠΈΠΌ, ΡΡΠΎ ΠΊΠ»Π°ΡΡ 0 ΠΈΠΌΠ΅Π΅Ρ Π½Π΅ΡΠΊΠΎΠ»ΡΠΊΠΎ Π±ΠΎΠ»Π΅Π΅ Π΄Π»ΠΈΠ½Π½ΡΠ΅ Ρ Π²ΠΎΡΡΡ ΠΈ Π±ΠΎΠ»ΡΡΠ΅Π΅ ΠΊΠΎΠ»ΠΈΡΠ΅ΡΡΠ²ΠΎ ΡΡΠ΅ΡΡΠΈΠΊΠΎΠ², ΡΠ΅ΠΌ ΠΊΠ»Π°ΡΡ 1. ΠΠΎΡΠ»Π΅Π΄Π½Π΅Π΅ ΠΎΠ±ΡΡΡΠ½ΡΠ΅ΡΡΡ ΡΠ΅ΠΌ, ΡΡΠΎ Π² ΠΊΠ»Π°ΡΡΠ΅ 0 ΠΏΡΠΎΡΡΠΎ Π±ΠΎΠ»ΡΡΠ΅ ΠΏΡΠΈΠΌΠ΅ΡΠΎΠ², ΡΠ΅ΠΌ Π² 1.
ΠΡ Π±ΡΠ΄Π΅ΠΌ ΠΈΡΠΏΠΎΠ»ΡΠ·ΠΎΠ²Π°ΡΡ ΡΡ ΠΆΠ΅ ΡΠ΅Ρ Π½ΠΈΠΊΡ Π΄Π»Ρ Π²ΠΈΠ·ΡΠ°Π»ΡΠ½ΠΎΠ³ΠΎ ΡΡΠ°Π²Π½Π΅Π½ΠΈΡ Π΄Π»ΠΈΠ½Ρ ΡΠΈΠΌΠ²ΠΎΠ»ΠΎΠ².
fig = px.histogram(train_df, x="char_len", color="target", facet_row="target") fig.show()
ΠΠ»Π°ΡΡ 0 ΠΏΠΎ-ΠΏΡΠ΅ΠΆΠ½Π΅ΠΌΡ ΠΈΠΌΠ΅Π΅Ρ Π±ΠΎΠ»Π΅Π΅ Π΄Π»ΠΈΠ½Π½ΡΠ΅ Ρ Π²ΠΎΡΡΡ, Π½ΠΎ ΠΏΠΈΠΊΠΎΠ²ΡΠΉ Π²ΡΠΏΠ»Π΅ΡΠΊ Π΄Π»ΠΈΠ½Ρ ΡΠΈΠΌΠ²ΠΎΠ»Π° Π½Π΅ΠΌΠ½ΠΎΠ³ΠΎ Π²ΡΡΠ΅, ΡΠ΅ΠΌ Π²ΡΠΏΠ»Π΅ΡΠΊ Π΄Π»Ρ ΠΊΠ»Π°ΡΡΠ° 1.
Π‘ΡΠ°Π²Π½Π΅Π½ΠΈΠ΅ ΡΡΠ΅Π΄ΡΡΠ²
ΠΡΠ΅Π½Ρ ΠΏΡΠΎΡΡΠΎΠΉ ΠΈ Π±ΡΡΡΡΡΠΉ ΡΠΏΠΎΡΠΎΠ± Π²ΡΡΠΈΡΠ»ΠΈΡΡ ΡΡΠ΅Π΄Π½ΠΈΠ΅ Π·Π½Π°ΡΠ΅Π½ΠΈΡ ΠΌΠ΅ΠΆΠ΄Ρ Π΄Π²ΡΠΌΡ ΡΠ΅Π»Π΅Π²ΡΠΌΠΈ ΠΊΠ»Π°ΡΡΠ°ΠΌΠΈ β ΠΈΡΠΏΠΎΠ»ΡΠ·ΠΎΠ²Π°ΡΡ ΠΌΠ΅ΡΠΎΠ΄ groupby
Π² Π½Π°ΡΠ΅ΠΌ ΡΡΠ΅ΠΉΠΌΠ΅ Π΄Π°Π½Π½ΡΡ
:
# Compare character length by class train_df.groupby(by='target')['char_len'].mean()
# Compare token length by class train_df.groupby(by='target')['token_len'].mean()
Π‘Π°ΠΌΠΈ ΠΏΠΎ ΡΠ΅Π±Π΅ ΡΠΈΡΡΡ Π½Π΅ Π³ΠΎΠ²ΠΎΡΡΡ Π½Π°ΠΌ, ΡΡΡΠ΅ΡΡΠ²Π΅Π½Π½Ρ Π»ΠΈ ΡΠ°Π·Π»ΠΈΡΠΈΡ Π² ΡΡΠ΅Π΄ΡΡΠ²Π°Ρ . ΠΡ ΠΌΠΎΠΆΠ΅ΠΌ ΠΈΡΠΏΠΎΠ»ΡΠ·ΠΎΠ²Π°ΡΡ ΡΠ΅ΡΡ ΠΠ°Π½Π½Π°-Π£ΠΈΡΠ½ΠΈ U, ΡΡΠΎΠ±Ρ ΠΎΠΏΡΠ΅Π΄Π΅Π»ΠΈΡΡ ΡΡΠΎ.
U-ΡΠ΅ΡΡ ΠΠ°Π½Π½Π°-Π£ΠΈΡΠ½ΠΈ
ΠΠΎΠΌΠ½ΠΈΡΠ΅, ΡΡΠΎ ΠΌΡ ΠΏΠΎΡΠΌΠΎΡΡΠ΅Π»ΠΈ Π½Π° Π½Π°ΡΠΈ ΡΠ°ΡΠΏΡΠ΅Π΄Π΅Π»Π΅Π½ΠΈΡ Π΄Π»ΠΈΠ½Ρ ΡΠ²ΠΈΡΠΎΠ², ΠΈ Π½ΠΈ ΠΎΠ΄Π½ΠΎ ΠΈΠ· Π½ΠΈΡ Π½Π΅ Π±ΡΠ»ΠΎ Π΄Π°ΠΆΠ΅ ΠΎΡΠ΄Π°Π»Π΅Π½Π½ΠΎ Π±Π»ΠΈΠ·ΠΊΠΎ ΠΊ Π½ΠΎΡΠΌΠ°Π»ΡΠ½ΠΎΠΌΡ, ΡΡΠΎ ΡΠ²Π»ΡΠ΅ΡΡΡ ΠΎΠ΄Π½ΠΈΠΌ ΠΈΠ· ΠΏΡΠ΅Π΄ΠΏΠΎΠ»ΠΎΠΆΠ΅Π½ΠΈΠΉ Π΄Π»Ρ ΠΈΡΠΏΠΎΠ»ΡΠ·ΠΎΠ²Π°Π½ΠΈΡ ΡΡΠ°Π½Π΄Π°ΡΡΠ½ΠΎΠ³ΠΎ t-ΠΊΡΠΈΡΠ΅ΡΠΈΡ. ΠΠΌΠ΅ΡΡΠΎ ΡΡΠΎΠ³ΠΎ ΠΌΡ ΠΈΡΠΏΠΎΠ»ΡΠ·ΡΠ΅ΠΌ Π΄Π²ΡΡΡΠΎΡΠΎΠ½Π½ΠΈΠΉ U-ΠΊΡΠΈΡΠ΅ΡΠΈΠΉ ΠΠ°Π½Π½Π°-Π£ΠΈΡΠ½ΠΈ, ΠΊΠΎΡΠΎΡΡΠΉ ΡΡΡΠΎΠΉΡΠΈΠ² ΠΊ Π½Π΅Π½ΠΎΡΠΌΠ°Π»ΡΠ½ΡΠΌ ΡΠ°ΡΠΏΡΠ΅Π΄Π΅Π»Π΅Π½ΠΈΡΠΌ (ΡΠ°ΠΊΠΆΠ΅ ΡΠ°ΡΡΠΎ Π½Π°Π·ΡΠ²Π°Π΅ΠΌΡΠΉ Π½Π΅ΠΏΠ°ΡΠ°ΠΌΠ΅ΡΡΠΈΡΠ΅ΡΠΊΠΈΠΌ ΡΠ΅ΡΡΠΎΠΌ), Π° ΡΠ°ΠΊΠΆΠ΅ ΠΌΠΎΠΆΠ΅Ρ ΠΎΠ±ΡΠ°Π±Π°ΡΡΠ²Π°ΡΡ Π½Π°ΡΡ Π±ΠΈΠ½Π°ΡΠ½ΡΡ ΠΊΠ°ΡΠ΅Π³ΠΎΡΠΈΠ°Π»ΡΠ½ΡΡ Π·Π°Π²ΠΈΡΠΈΠΌΡΡ ΠΏΠ΅ΡΠ΅ΠΌΠ΅Π½Π½ΡΡ (ΡΠ΅Π»Π΅Π²ΡΠ΅ ΠΊΠ»Π°ΡΡΡ).
# Mann Whitney U test from scipy.stats import mannwhitneyu
Π‘ΠΎΠ·Π΄Π°ΠΉΡΠ΅ Π½ΠΎΠ²ΡΠ΅ ΠΏΠ΅ΡΠ΅ΠΌΠ΅Π½Π½ΡΠ΅ Π΄Π»Ρ Ρ ΡΠ°Π½Π΅Π½ΠΈΡ Π½Π°ΡΠΈΡ Π½Π°Π±ΠΎΡΠΎΠ² ΠΎΠ±ΡΠ°Π·ΡΠΎΠ²:
# Token length data split by target class token_len_00 = train_df.loc[train_df['target'] == 0, 'token_len'] token_len_01 = train_df.loc[train_df['target'] == 1, 'token_len'] # Character length data split by target class char_len_00 = train_df.loc[train_df['target'] == 0, 'char_len'] char_len_01 = train_df.loc[train_df['target'] == 1, 'char_len']
ΠΠΎΠ³Π΄Π° ΠΌΡ Π·Π°ΠΏΡΡΠΊΠ°Π΅ΠΌ ΡΠ΅ΡΡ, ΠΏΠΎ ΡΠΌΠΎΠ»ΡΠ°Π½ΠΈΡ ΠΌΡ ΠΏΠΎΠ»ΡΡΠ°Π΅ΠΌ ΡΠ΅Π·ΡΠ»ΡΡΠ°ΡΡ p-Π·Π½Π°ΡΠ΅Π½ΠΈΡ Π΄Π»Ρ ΠΎΠ΄Π½ΠΎΡΡΠΎΡΠΎΠ½Π½Π΅Π³ΠΎ ΡΠ΅ΡΡΠ°. P-Π·Π½Π°ΡΠ΅Π½ΠΈΠ΅ β ΡΡΠΎ ΡΡΠ°ΡΠΈΡΡΠΈΡΠ΅ΡΠΊΠ°Ρ ΠΌΠ΅ΡΠ°, Π³ΠΎΠ²ΠΎΡΡΡΠ°Ρ Π½Π°ΠΌ, Π½Π°ΡΠΊΠΎΠ»ΡΠΊΠΎ Π²Π΅ΡΠΎΡΡΠ½ΠΎ, ΡΡΠΎ ΠΌΡ ΡΠ»ΡΡΠ°ΠΉΠ½ΠΎ ΡΠ²ΠΈΠ΄ΠΈΠΌ ΡΠ°Π·Π»ΠΈΡΠΈΡ, ΠΊΠΎΡΠΎΡΡΠ΅ ΠΌΡ ΠΈΠΌΠ΅Π΅ΠΌ Π² Π½Π°ΡΠΈΡ Π΄Π²ΡΡ Π²ΡΠ±ΠΎΡΠΊΠ°Ρ . ΠΡΡΠΎΠΊΠΎΠ΅ p-Π·Π½Π°ΡΠ΅Π½ΠΈΠ΅ ΠΎΠ·Π½Π°ΡΠ°Π΅Ρ, ΡΡΠΎ ΠΌΡ ΠΌΠΎΠ³Π»ΠΈ Π±Ρ ΠΈΠΌΠ΅ΡΡ ΡΠ΅ ΠΆΠ΅ ΡΠ°ΡΠΏΡΠ΅Π΄Π΅Π»Π΅Π½ΠΈΡ Π±Π»Π°Π³ΠΎΠ΄Π°ΡΡ ΡΠ»ΡΡΠ°ΠΉΠ½ΠΎΡΡΠΈ, Π² ΡΠΎ Π²ΡΠ΅ΠΌΡ ΠΊΠ°ΠΊ Π½ΠΈΠ·ΠΊΠΎΠ΅ p-Π·Π½Π°ΡΠ΅Π½ΠΈΠ΅ ΠΎΠ·Π½Π°ΡΠ°Π΅Ρ, ΡΡΠΎ Π²Π΅ΡΠΎΡΡΠ½ΠΎΡΡΡ Π½Π°ΠΌΠ½ΠΎΠ³ΠΎ Π½ΠΈΠΆΠ΅.
ΠΠ±ΡΡΠ½ΠΎ ΡΠ΅ΡΠΌΠΈΠ½ Β«ΡΡΠ°ΡΠΈΡΡΠΈΡΠ΅ΡΠΊΠ°Ρ Π·Π½Π°ΡΠΈΠΌΠΎΡΡΡΒ» ΠΈΡΠΏΠΎΠ»ΡΠ·ΡΠ΅ΡΡΡ, ΠΊΠΎΠ³Π΄Π° Π²ΠΎΠ·Π²ΡΠ°ΡΠ°Π΅ΡΡΡ p-Π·Π½Π°ΡΠ΅Π½ΠΈΠ΅ ΠΌΠ΅Π½Π΅Π΅ 0,05 (5%), ΡΡΠΎ ΠΎΠ·Π½Π°ΡΠ°Π΅Ρ, ΡΡΠΎ Π²Π΅ΡΠΎΡΡΠ½ΠΎΡΡΡ ΡΠΎΠ³ΠΎ, ΡΡΠΎ Π½Π°Π±Π»ΡΠ΄Π°Π΅ΠΌΡΠ΅ ΡΠ°ΡΠΏΡΠ΅Π΄Π΅Π»Π΅Π½ΠΈΡ ΠΏΡΠΎΠΈΠ·ΠΎΡΠ»ΠΈ ΡΠ»ΡΡΠ°ΠΉΠ½ΠΎ, Π° Π½Π΅ ΠΈΠ·-Π·Π° Π½Π΅ΠΊΠΎΡΠΎΡΠΎΠΉ ΡΠ°Π·Π½ΠΈΡΡ ΠΌΠ΅ΠΆΠ΄Ρ Π΄Π²Π΅ Π³ΡΡΠΏΠΏΡ.
ΠΡ ΡΠΌΠ½ΠΎΠΆΠ°Π΅ΠΌ ΠΏΠΎΠ»ΡΡΠ΅Π½Π½ΠΎΠ΅ ΠΎΠ΄Π½ΠΎΡΡΠΎΡΠΎΠ½Π½Π΅Π΅ Π·Π½Π°ΡΠ΅Π½ΠΈΠ΅ p Π½Π° Π΄Π²Π°, ΡΡΠΎΠ±Ρ ΠΏΠΎΠ»ΡΡΠΈΡΡ Π΄Π²ΡΡΡΠΎΡΠΎΠ½Π½Π΅Π΅ Π·Π½Π°ΡΠ΅Π½ΠΈΠ΅. ΠΠ²ΡΡΡΠΎΡΠΎΠ½Π½ΠΈΠΉ ΡΠ΅ΡΡ ΡΠ°ΡΡΠΌΠ°ΡΡΠΈΠ²Π°Π΅Ρ ΡΠ°Π·Π»ΠΈΡΠΈΡ ΠΌΠ΅ΠΆΠ΄Ρ Π΄Π²ΡΠΌΡ ΠΎΠ±ΡΠ°Π·ΡΠ°ΠΌΠΈ Π² Π»ΡΠ±ΠΎΠΌ Π½Π°ΠΏΡΠ°Π²Π»Π΅Π½ΠΈΠΈ (Π²ΡΡΠ΅ ΠΈΠ»ΠΈ Π½ΠΈΠΆΠ΅), Π² ΡΠΎ Π²ΡΠ΅ΠΌΡ ΠΊΠ°ΠΊ ΠΎΠ΄Π½ΠΎΡΡΠΎΡΠΎΠ½Π½ΠΈΠΉ ΡΠ΅ΡΡ ΡΠΌΠΎΡΡΠΈΡ ΡΠΎΠ»ΡΠΊΠΎ Π² ΠΎΠ΄Π½ΠΎΠΌ Π½Π°ΠΏΡΠ°Π²Π»Π΅Π½ΠΈΠΈ. ΠΡΠΏΠΎΠ»ΡΠ·ΡΡ Π΄Π²ΡΡΡΠΎΡΠΎΠ½Π½ΠΈΠΉ ΡΠ΅ΡΡ, ΠΌΡ ΡΠ²Π΅Π»ΠΈΡΠΈΠ²Π°Π΅ΠΌ Π²ΠΎΠ·Π²ΡΠ°ΡΠ°Π΅ΠΌΠΎΠ΅ Π·Π½Π°ΡΠ΅Π½ΠΈΠ΅ p ΠΈ ΠΏΠΎΠ²ΡΡΠ°Π΅ΠΌ ΡΡΠ°Π½Π΄Π°ΡΡ, ΠΏΠΎ ΠΊΠΎΡΠΎΡΠΎΠΌΡ ΠΌΡ Π½Π°Π·ΡΠ²Π°Π΅ΠΌ ΡΡΠΎ-ΡΠΎ Β«ΡΡΠ°ΡΠΈΡΡΠΈΡΠ΅ΡΠΊΠΈ Π·Π½Π°ΡΠΈΠΌΡΠΌΒ».
# Token length results print(mannwhitneyu(token_len_00, token_len_01)) print(f"Two-sided result: {mannwhitneyu(token_len_00, token_len_01)[1] * 2}")
ΠΡ ΠΏΠΎΠΊΠ°Π·ΡΠ²Π°Π΅ΠΌ ΠΎΡΠ΅Π½Ρ Π½ΠΈΠ·ΠΊΠΎΠ΅ Π·Π½Π°ΡΠ΅Π½ΠΈΠ΅ p Π΄Π»Ρ ΠΎΠ±ΡΠ΅ΠΉ Π΄Π»ΠΈΠ½Ρ ΡΠΎΠΊΠ΅Π½Π°. ΠΡΠΎ ΠΌΠΎΠΆΠ΅Ρ ΡΠ²Π΅Π»ΠΈΡΠΈΡΡ Π²Π΅ΡΠΎΡΡΠ½ΠΎΡΡΡ ΡΠΎΠ³ΠΎ, ΡΡΠΎ ΠΌΡ ΡΠΎΡ ΡΠ°Π½ΠΈΠΌ ΠΊΠΎΠ»ΠΈΡΠ΅ΡΡΠ²ΠΎ ΡΠΎΠΊΠ΅Π½ΠΎΠ² ΠΊΠ°ΠΊ ΡΡΠ½ΠΊΡΠΈΡ Π΄Π»Ρ Π½Π°ΡΠ΅ΠΉ ΠΌΠΎΠ΄Π΅Π»ΠΈ.
print(mannwhitneyu(char_len_00, char_len_01)) print(f"Two-sided result: {mannwhitneyu(char_len_00, char_len_01)[1] * 2}")
ΠΡ ΡΠ°ΠΊΠΆΠ΅ Π²ΠΈΠ΄ΠΈΠΌ ΠΎΡΠ΅Π½Ρ ΠΌΠ°Π»Π΅Π½ΡΠΊΠΎΠ΅ Π·Π½Π°ΡΠ΅Π½ΠΈΠ΅ p Π΄Π»Ρ Π΄Π»ΠΈΠ½Ρ ΡΠΈΠΌΠ²ΠΎΠ»Π° Ρ ΡΠ΅ΠΌ ΠΆΠ΅ Π·Π½Π°ΡΠ΅Π½ΠΈΠ΅ΠΌ, ΡΡΠΎ ΠΌΡ ΠΌΠΎΠΆΠ΅ΠΌ Π·Π°Ρ ΠΎΡΠ΅ΡΡ ΡΠΎΡ ΡΠ°Π½ΠΈΡΡ ΡΡΡ ΡΡΠ½ΠΊΡΠΈΡ Π² Π½Π°ΡΠ΅ΠΉ ΠΌΠΎΠ΄Π΅Π»ΠΈ.
Π‘Π»Π΅Π΄ΡΡΡΠΈΠ΅ ΡΠ°Π³ΠΈ
Π ΡΠ°ΡΡΠΈ 3 ΠΌΡ ΡΠ°ΡΡΠΌΠΎΡΡΠΈΠΌ Π΄ΡΡΠ³ΠΈΠ΅ ΠΈΠ΄Π΅ΠΈ ΡΠ°Π·ΡΠ°Π±ΠΎΡΠΊΠΈ ΡΡΠ½ΠΊΡΠΈΠΉ, ΡΠ°ΠΊΠΈΠ΅ ΠΊΠ°ΠΊ ΠΈΡΠΏΠΎΠ»ΡΠ·ΠΎΠ²Π°Π½ΠΈΠ΅ Π·Π°Π³Π»Π°Π²Π½ΡΡ Π±ΡΠΊΠ² Π² ΡΠ΅ΠΊΡΡΠ΅, ΠΈΡΠΏΠΎΠ»ΡΠ·ΠΎΠ²Π°Π½ΠΈΠ΅ ΡΠΌΠ°ΠΉΠ»ΠΈΠΊΠΎΠ² ΠΈ ΠΌΠ½ΠΎΠ³ΠΎΠ΅ Π΄ΡΡΠ³ΠΎΠ΅!
Π‘Π΅ΠΉΡΠ°Ρ ΡΠ°ΠΌΠΎΠ΅ Π²ΡΠ΅ΠΌΡ ΠΏΠΎΠ΄ΡΠΌΠ°ΡΡ ΠΎ ΡΠΎΠΌ, ΠΊΠ°ΠΊΠΈΠ΅ ΡΡΠ½ΠΊΡΠΈΠΈ ΠΌΠΎΠΆΠ½ΠΎ ΡΠ³Π΅Π½Π΅ΡΠΈΡΠΎΠ²Π°ΡΡ ΠΈΠ· ΠΈΠΌΠ΅ΡΡΠ΅Π³ΠΎΡΡ Ρ Π½Π°Ρ ΡΠ΅ΠΊΡΡΠ°, Π° ΡΠ°ΠΊΠΆΠ΅, Π²ΠΎΠ·ΠΌΠΎΠΆΠ½ΠΎ, ΠΏΠΎΠΈΡΠΊΠ°ΡΡ Ρ
ΠΎΡΠΎΡΠΈΠΉ ΡΠΏΠΎΡΠΎΠ± ΡΠ±ΡΠ°ΡΡ ΡΠ΅Π³ΠΈ Location
.