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：

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)