我可以成功地将一个句子分成单独的单词,并使用这个代码计算每个单词的极性得分的平均值。效果很好。在
import statistics as s
from textblob import TextBlob
a = TextBlob("""Thanks, I'll have a read!""")
print(a)
c=[]
for i in a.words:
c.append(a.sentiment.polarity)
d = s.mean(c)
d = 0.25
a.words = WordList(['Thanks', 'I', "'ll", 'have', 'a', 'read'])
我如何将上面的代码转换成这样的df?公司名称:
测向
^{pr2}$但是取每个单词每个极性的平均值?在
最重要的是,我可以为df中的每一句话应用极性:
def sentiment_calc(text):
try:
return TextBlob(text).sentiment.polarity
except:
return None
df_sentences['sentiment'] = df_sentences['text'].apply(sentiment_calc)
我的印象是情感极性只适用于TextBlob类型。在
所以我的想法是将文本blob拆分成单词(使用split函数see dochere),并将它们转换为TextBlob对象。 这是在列表理解中完成的:
整个事情看起来是这样的:
^{pr2}$相关问题 更多 >
编程相关推荐