每个文本如下所示: “所有文本都是相关的\r\n\r\n早上好,欢迎参加Origin Agritech Limited的2016财年收益电话会议。所有与会者都将处于收听模式。\r\n\r\n我现在想把会议交给Bill Zima。Zima先生,请继续。\r\n\r\n谢谢您,接线员。大家好,感谢您参加今天的会议。”s call.Origin Agritech今天早些时候公布了2016年全年财务业绩。有关该公告的详细信息可在公司网站上找到。\r\n\r\n今天,您将听到Origin首席执行官Bill Niebur博士的讲话,他将介绍公司的发展和战略,随后是公司首席财务官shashank Aurora,他将审查2016财年的财务业绩。然后,Niebur博士将通过对2017年业务前景的评论来结束公司的讲话,随后将举行问答会议。\r\n\r\n在开始之前,我想提醒您我们的安全港声明。我们的电话会议可能包括:oking根据1995年《私人证券诉讼改革法案》的安全港条款发表的声明。尽管我们认为,截至今天,我们的前瞻性声明中反映的预期是合理的,但这些声明存在风险和不确定性,可能导致实际结果与预期结果显著不同预计。无法保证这些预期将被证明是正确的
我想计算每篇文章文本中的行数,并将其用于计算:
我想做这样的事情:
def doc_sentiment (dataframe):
score_dict={}
scores=[]
number_of_sent=0
for call in dataframe.article_text:
for sentence in split_into_sentences(call):
number_of_sent+=1
vs=sia.polarity_scores(sentence)
score_dict.update({sentence: vs['compound']})
score=sum(score_dict.values())/number_of_sent
然而,这是行不通的。 我怎样才能解决这个问题
因此,基本上,您要求在内部
for
循环的每次迭代中使用1来计数:相关问题 更多 >
编程相关推荐