@realdronos правильно тебе советует, раздели tx_data на два блока:
1) tx_data_1 - сюда положи json (первый столбец)
2) tx_data_2 - сюда остальные два столбца (event_time и client_event_time)

Потом примени к первому блоку метод для нормализации json, все примеры кода есть в документации. Наскоком тут задачу не решить - нужно читать и писать код, потом снова читать и снова писать код.

мне надо как-то зачистить эти кавычки , тогжа метод работает

1. можно или изменить алгоритм, который выгружает данные в csv (есть возможность оборачивать данные из столбцов в кавычки, которую можно "отключить")
2. можно написать скрипт, который преобразует строку в словарь

если совсем примитивно, то примерно так:

text = '{12: "asjdfjh", 22: "asdjfdjf"}'
text = text.replace('{', '').replace('}', '')

text_list = text.split(',')

data_dict = {}

for i in text_list:
    key = int(i.split(':')[0].replace("'", ""))
    value = i.split(':')[1].replace('"', '').strip()
    data_dict[key] = value

print(data_dict[12])

даже примитивное выкидывает ошибку . ValueError: invalid literal for int() with base 10: 'mopub_json'

поменять формат выгрузки невозможно , автоматически отдает амплитуда

посмотри код внимательно и почитай как обращаться в Python к словарю по ключу
в твоём случае text - это ТВОЯ_ЯЧЕЙКА['mopub_json']

Извини, я сильный джун , и не всегда понимаю

пойми, я написал абстрактный код, ты его в лоб не применишь к своим данным.
Мой код тебе нужен, чтобы ты понял мысль, идею.

разбери код по частям, посмотри, что он делает и потом напиши свой - для своих данных

Я примерно понял , буду пробовать

Может кто-то находил отличные корпуса для выявления агрессивности в тексте??? На более менее популярных ресурсах уже все посмотрел

Нет, но если вдруг найдёшь - делись C:

Точнее напишите, что нужно.
Есть корпуса из Твиттера, комментарии из Инстаграмма.
Видел отдельный канал в тг с датасетами.

Социальные сети

2 500 000 приватных юзеров инстаграмма

1 000 000 картинок Инстаграмма

Несколько миллионов хештегов (рус+англ) из инсты с количеством постов, которые были опубликованы с ними за все время.

Корпус из 17,6 миллионов твитов на русском языке, подходящий для обучения языковой модели для социальных сетей, модерации контента, анализа настроений и многого другого.
Russian Twitter Corpus

Набор данных, содержащий более 200 000 твитов с вредоносными аккаунтами.
Russian Troll Tweets:

Более 20 000 русских твитов с тегами настроений.
SentiRuEval trainset

Каталог пользователей ВКонтакте
https://vk.com/catalog.php

2.5 миллиона новостных записей из пабликов ВКонтакте
kaggle.com/mrdaniilak/25-million-news-posts-from-vkcom

Анонимные текстовые данные со страниц пользователей ВКонтакте
https://www.kaggle.com/oldaandozerskaya/vkontakte-dataset-of-users-textual-data

Информация о 472525 сообществах ВКонтакте
https://www.kaggle.com/kekekek/vk-groups-info

Российские выборы 2018 - активность пользователей vk.com. Сообщения и комментарии пользователей, собранные во время и за 1 месяц до выборов
https://www.kaggle.com/borisch/russian-election-2018-vkcom-user-activity

Новости ВКонтакте
https://www.kaggle.com/ismailgadzhiev/vknews

InstaCities1M . Он состоит из изображений Instagram, связанных с одним из 10 самых густонаселенных англоязычных городов мира
gombru.github.io/2018/08/01/InstaCities1M/

@dataset_ru

полезная статья

Как добиться от моделей глубокого обучения большей генерализации?

Вы можете использовать IRM практически в любой базовой модельной структуре. Однако эта система наиболее эффективна, когда ее применяют к моделям черного ящика, оперирующим большим количеством данных (нейронные сети и их многочисленные разновидности).

Давайте же узнаем, как это работает.

https://nuancesprog.ru/p/13125/


@machinelearning_ru

@ax_makarov предлагаю забанить товарища выше, посмотрел его сообщения, только репосты)

Ну он репостит полезные штуки жеж