Python Textblob过度概括文本并将其分类为中性文本

我使用textblob来确定twitter文本的情绪，但有些结果没有极性和主观性（使它们成为中性情绪）- )

我的代码在下面

# Create a function to get the subjectivity
def getSubjectivity(text):
   return TextBlob(text).sentiment.subjectivity

# Create a function to get the polarity
def getPolarity(text):
   return  TextBlob(text).sentiment.polarity


# Create two new columns 'Subjectivity' & 'Polarity'
df['Subjectivity'] = df['Tweets'].apply(getSubjectivity)
df['Polarity'] = df['Tweets'].apply(getPolarity)

# Show the new dataframe with columns 'Subjectivity' & 'Polarity'
df

# Subjectivity < 1  but > 0 is more factual, > 1 is very opinionated (0 and +1 are min/max)
# Polarity < 0 is more negative, > 0 is more positive (-1 and +1 are the min/max)

#创建一个函数以获取主观性
定义（文本）：
返回TextBlob（text.touction.com）
#创建一个函数来获取极性
def getPolarity（文本）：
返回TextBlob（text）.emotional.polarity
#创建两个新列“主观性”和“极性”
df['substantical']=df['Tweets'].apply（getsubstantical）
df['Polarity']=df['Tweets'].apply（getPolarity）
#显示带有“主观性”和“极性”列的新数据帧
df
#主观性<1但>0更符合事实，>1非常固执己见（0和+1为最小值/最大值）
#极性<0表示更负，>0表示更正（-1和+1表示最小值/最大值）

情绪分析分类代码-

#创建一个函数来计算负（-1）、中性（0）和正（+1）分析定义getAnalysis（分数）：如果分数<0：返回“负”elif分数==0：返回“中性”否则：返回“正”df[“分析”]=df[“极性”]。应用（getAnalysis）#显示数据框

请不要在评论中发布代码-它简直无法阅读！改为编辑并更新您的问题。