使用python textblob对excel文件数据进行情感分析

Question

我有一个问题，我需要计算 excel 文件中存在的两列的情绪分析，在计算这两列的极性之后，我需要更新另外两列中的极性值存在于同一个 excel 输入文件中。我如何通过计算单个文本句子的极性来实现。需要建议来计算 excel 文件中存在的整个列的极性。 我正在使用 pandas 进行 excel 处理。

from textblob import TextBlob
import pandas as pd
Input_file='filepath'
df = pd.read_excel(Input_file, 
sheet_name='Sheet1')
col1 = pd['video_title'].tolist()
# col2 = pd['description'].tolist()
blob = TextBlob(col1)
# blob1 = Texxtblob(col2)
polarity_score = blob.sentiment.polarity
polarity_rounded = round(polarity_score, 6)
print(polarity_rounded)

正如我在上图中发布的那样，在这里我需要将“title_sentiment”列中的“None”值替换为计算出的极性值。同样，我必须将“description_sentiment”列更新为计算出的极性值。

期望的输出：

Answer 1

让我们将您的情绪分析内容黑箱化并将您的问题减少到

我有一个带有文本列的数据框，我想将函数应用到该列，并将结果作为新的数字列存储在正确的行中。

使用文本栏窃取this person's example dataframe 开始：

In [1]: import pandas as pd 
    ...:  
    ...: df = pd.DataFrame({ 
    ...:     'title': ['foo','bar','baz','baz','foo','bar'], 
    ...:     'contents':[ 
    ...:         'Lorem ipsum dolor sit amet.', 
    ...:         'Lorem ipsum dolor sit amet.', 
    ...:         'Lorem ipsum dolor sit amet.', 
    ...:         'Consectetur adipiscing elit.', 
    ...:         'Lorem ipsum dolor sit amet.', 
    ...:         'Lorem ipsum dolor sit amet.' 
    ...:     ], 
    ...:     'year':[2010,2011,2000,2005,2010,2011] 
    ...: }) 
    ...:  
    ...: df                                                                                                                                                   
Out[1]: 
  title                      contents  year
0   foo   Lorem ipsum dolor sit amet.  2010
1   bar   Lorem ipsum dolor sit amet.  2011
2   baz   Lorem ipsum dolor sit amet.  2000
3   baz  Consectetur adipiscing elit.  2005
4   foo   Lorem ipsum dolor sit amet.  2010
5   bar   Lorem ipsum dolor sit amet.  2011

现在我们要定义一个函数以应用于“内容”并将结果存储在一个新列中。为此，我们可以使用pd.Series.apply()：

In [2]: def sentiment_function(text): 
    ...:     # Put all your fancy sentiment stuff here; I will just use `len` as a dummy function. 
    ...:     return len(text) 
    ...:      
    ...: df['sentiment_score'] = df['contents'].apply(sentiment_function) 
    ...: df                                                                                                                                                   
Out[2]: 
  title                      contents  year  sentiment_score
0   foo   Lorem ipsum dolor sit amet.  2010               27
1   bar   Lorem ipsum dolor sit amet.  2011               27
2   baz   Lorem ipsum dolor sit amet.  2000               27
3   baz  Consectetur adipiscing elit.  2005               28
4   foo   Lorem ipsum dolor sit amet.  2010               27
5   bar   Lorem ipsum dolor sit amet.  2011               27

您可以为您的两个专栏（title_sentiment 和 description_sentiment）执行此操作。