如何将每一个句子分割成单独的单词和每个句子的平均极性得分并追加到数据帧的新列中？

Question

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)

Answer 1

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：

[TextBlob(x).sentiment.polarity for x in a.split()]

整个事情看起来是这样的：

^{pr2}$