Python中Lambda表达式的情感分析
我正在尝试使用TextBlob在Power BI中执行情绪分析。我想使用lamdba表达式,因为它似乎比在powerbi中运行迭代循环要快得多 例如,使用文本Blob:Python中Lambda表达式的情感分析,python,sentiment-analysis,generic-lambda,Python,Sentiment Analysis,Generic Lambda,我正在尝试使用TextBlob在Power BI中执行情绪分析。我想使用lamdba表达式,因为它似乎比在powerbi中运行迭代循环要快得多 例如,使用文本Blob: dataset['Polarity Score'] =dataset['Comment'].apply(lambda x: TextBlob(str(x).lower()).sentiment.polarity) 创建名为“极性分数”的Power BI数据列,该列包含TextBlob中的数值 我想对TextBlob.clas
dataset['Polarity Score'] =dataset['Comment'].apply(lambda x: TextBlob(str(x).lower()).sentiment.polarity)
创建名为“极性分数”的Power BI数据列,该列包含TextBlob中的数值
我想对TextBlob.classify()函数执行类似的操作。但是,我不知道如何传递分类器的第二个参数
教程显示如何创建和使用分类器:
from textblob.classifiers import NaiveBayesClassifier
from textblob import TextBlob
cl = NaiveBayesClassifier(train)
blob = TextBlob("The beer is good. But the hangover is horrible.", classifier=cl)
blob.classify()
我试过了
dataset['Polarity Class'] =dataset['Comment'].apply(lambda x: TextBlob(str(x).lower()).classify(), classifier=cl)
及
既不工作,也不指向我通过分类器的方式。如何在lambda表达式中传递分类器参数
cl = NaiveBayesClassifier(train)
dataset['Polarity Class'] = dataset['Comment'].apply(
lambda x: TextBlob(str(x).lower(), classifier=cl).classify()
)
或者,如果要重构可能令人困惑的lambda表达式
cl = NaiveBayesClassifier(train)
def classify(x):
return TextBlob(str(x).lower(), classifier=cl).classify()
dataset['Polarity Class'] = dataset['Comment'].apply(classify)
是等价的
cl = NaiveBayesClassifier(train)
def classify(x):
return TextBlob(str(x).lower(), classifier=cl).classify()
dataset['Polarity Class'] = dataset['Comment'].apply(classify)