如何将每个句子拆分为单个单词和每个句子的平均极性得分并附加到数据帧中的新列中?

Question

我可以成功地将一个句子拆分为单独的单词，并使用此代码取每个单词的极性分数的每个平均值。效果很好。

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'])

如何将上面的代码传输到如下所示的 df？

东风

text
1    Thanks, I’ll have a read!

但是取每个单词每个极性的平均值？

壁橱是我可以对 df 中每个句子的每个句子应用极性：

def sentiment_calc(text):
try:
return TextBlob(text).sentiment.polarity
except:
return None
df_sentences['sentiment'] = df_sentences['text'].apply(sentiment_calc)

Answer 1

我的印象是情绪极性仅适用于 TextBlob 类型。

所以我的想法是将文本blob拆分为单词(使用split函数 - 请参阅此处的文档(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()]

所以整个事情看起来像这样：

import statistics as s
from textblob import TextBlob
import pandas as pd
a = TextBlob("""Thanks, I'll have a read!""")
def compute_mean(a):
return s.mean([TextBlob(x).sentiment.polarity for x in a.split()])
print(compute_mean("Thanks, I'll have a read!"))
df = pd.DataFrame({'text':["Thanks, I'll have a read!",
"Second sentence",
"a bag of apples"]})
df['score'] = df['text'].map(compute_mean)
print(df)