Python中用snownlp库进行情感分析，要求增加情感类别对不同情感进行标记。

Question

在情感分析时，将情感程度划分成三个区间，分别是[0,0.4)为消极倾向，[0.4,0.6)为中性倾向，[0.6,1]为积极倾向，都保留6位小数，以便能够直观地观察每个评论语句的情感态度，表 2 选取了几个极具代表性的语句，如表 2所示。
在现有的代码中增加情感类别这一内容。

#导入数据分析需要的包
import pandas as pd
#可视化包9
import matplotlib.pyplot as plt
from snownlp import SnowNLP

plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
plt.rcParams['axes.unicode_minus']=False #用来正常显示负号

# 导入数据集
data = pd.read_csv('sf02_data.csv')

#主要分析评论情感，只截取部分字段
data1 = data[['sf_content', 'sf_creationTime']]

#把sf_creationTime转换为时间序列类型
data1['sf_creationTime'] = pd.to_datetime(data1['sf_creationTime'])

#因为该数据集时间跨度比较长，这里值选择其中一年的评论
data1 = data1[(data1['sf_creationTime'] < pd.to_datetime('20231231')) & (data1['sf_creationTime'] > pd.to_datetime('20230101'))]

#并且以月份作为x轴显示
data1['sf_creationTime'] = data1['sf_creationTime'].dt.month
data1.head(10)

#定义函数
def get_sentiment_cn(text):
    s = SnowNLP(text)
    return s.sentiments

# 应用函数
data1["sentiment"] = data1.sf_content.apply(get_sentiment_cn)
data1.head(10)

#查看整体评分以及分布状态
data1.sentiment.describe()

#查看时间序列评论情感分布，这里查看的是2023年各月份评论情感分布
data01 = data1[['sf_creationTime','sentiment']]
data01.boxplot(by='sf_creationTime',figsize=(20,10))
plt.title('2023年各月份评论情绪分布')
plt.xlabel('月份')
plt.ylabel('sentiment')
plt.show()

#查看情感得分最低的一条评论
data1.sort_values(by=['sentiment'], ascending=[True])[:1]

#查看这条评论的完整内容
print(data1.sort_values(['sentiment']).iloc[0].sf_content)

Answer 1

以下内容由CHATGPT及笑面虎共同生成、有用望采纳：

---

【您想要解决的问题】： 您的目的是在Python中使用snownlp库进行情感分析，并根据情感评分将情感类别划分为三个区间：消极、中性、积极。您需要在现有的代码中增加一个功能，以便能够根据情感评分自动标记每个评论语句的情感类别。

【图片内容】： 您上传的图片是一张表格，展示了几个评论样本及其情感评分和情感类别。表格中列出了评论人、评论日期、评论内容、情感评分和情感类别。

【问题出现原因】： 问题出现的原因是您现有的代码可以计算情感评分，但还没有实现根据评分自动将评论语句分类到相应的情感类别（消极、中性、积极）的功能。

【问题解决方案】： 为了解决这个问题，您需要在代码中添加一个部分，这部分将根据情感评分为每条评论语句分配一个情感类别。具体来说，您需要定义一个函数或逻辑，根据您提供的评分区间来分类情感。

【提供代码】： 以下是修改后的代码，其中包含了根据情感评分自动分类情感类别的部分：

# 其他代码保持不变

# 定义情感类别的函数
def categorize_sentiment(score):
    if score < 0.4:
        return '消极'
    elif 0.4 <= score < 0.6:
        return '中性'
    else:
        return '积极'

# 应用函数，为每条评论添加情感类别
data1['sentiment_category'] = data1.sentiment.apply(categorize_sentiment)

# 其他代码保持不变

# 展示结果，包括情感类别
data1[['sf_content', 'sentiment', 'sentiment_category']].head(10)

【代码运行方式】： 您需要在一个Python环境中运行这段代码，这个环境需要安装有pandas、matplotlib和snownlp库。您可以使用Jupyter Notebook或任何其他Python IDE来运行这段代码。

【代码预期运行结果】： 代码运行后，您将看到一个新的列 sentiment_category，它将显示每条评论的情感类别，可以是“消极”、“中性”或“积极”。

【推荐相关链接】：

• snownlp GitHub
• Python官方文档
• Pandas官方文档
• Matplotlib官方文档