Python 如何将情绪分析与TFIDF一起用作功能？

在使用TFIDF以及使用TextBlob的情感分析生成的功能后，我尝试运行SVM

我的代码如下：

from sklearn import preprocessing

#encoding outcome variable so it is con
le = preprocessing.LabelEncoder()
data['label_encoded'] = le.fit_transform(data.label)

X = data.body_clean
y = data.label_encoded


from sklearn.feature_extraction.text import CountVectorizer

vect = CountVectorizer(max_features=1500, min_df=5, max_df=0.7,
                       stop_words='english')
X = vect.fit_transform(X)

from sklearn.feature_extraction.text import TfidfTransformer
tfidf = TfidfTransformer()
X = tfidf.fit_transform(X)

#using svm to classify 
from sklearn import svm

#fitting model and getting predictions
svc = svm.SVC()
svc.fit(X_train, y_train)
y_pred = svc.predict(X_test)

但现在我想添加一个功能，用textblob解释文本的情感：

from textblob imoprt Textblob

data['sentiment'] = data.body_clean.apply(lambda x: TextBlob(x).sentiment.polarity)

所以现在我想：

 X = data[['body_clean', 'sentiment']
 y = data.label_encoded

 X = vect.fit_transform(X)
 X = tfidf.fit_transform(X)

但这显然是行不通的，我也不知道该怎么做。

---

谢谢。

什么意思

不起作用？我们无法运行代码，无法在您的脑海中阅读-因此这对我们来说并不明显。你收到错误信息了吗？始终将完整的错误消息（从单词“Traceback”开始）作为文本（不是屏幕截图，也不是指向外部门户的链接）进行讨论（不是评论）。还有其他有用的信息。您可以在代码中添加一些示例数据作为数据帧。