如何将混沌数据转化为某种标准形式以进行进一步矢量化？

Question

我需要处理一份数据表示非常差的问卷。 下面是“蓝绿色”眼睛颜色的部分数据（在数据集本身中，其他眼睛 colors 以同样混乱的方式呈现）。 我需要将数据转换为一种标准形式，即下面的所有数据都是“蓝绿色”（对于来自数据集的 colors 的 rest，您需要得到眼睛 Z62848E3CE5804AA985513A7922 浅棕色，785513A792Z： ETC。）。

   User ID     Eye colors
0   id1      blue & green
1   id2      Blue and green mix together
2   id3      On a sunny day, the eyes have a blue-green color, and on a cloudy day they are more bluish-grayish
3   id4      green and blue
4   id5      green|very very blue
5   id6      blue/green
6   id7      Blue and green
7   id8      1/4 green 3/4 blue
8   id9      almost blue with green
9   id10     Blueish green

我需要使用 Scikit-learn 通过眼睛颜色进一步矢量化用户。 你能告诉我应该从哪里开始吗？ 我应该怎么做才能标准化数据？ 谢谢你的帮助！